前言
上一篇（戳我查看）Pandas的语句介绍到DataFrame的滑片，这篇就继续介绍Pandas中的一些基本语句。
数据清洗
df.columns = ['a','b','c'] # 重命名列名称
pd.isnull() # 检查是否为null值，为null返回True，不为null返回False
pd.notnull() # 检查是否为null值，为null返回False，不为null返回True
df.dropna(axis=0) # 删掉所有含有null值的行，axis默认为0，此处可以不指定
df.dropna(axis=1) # 删掉所有含有null值的列
df.dropna(axis=1,thresh=n) # 删掉所有含有n个以上null值的列
df.fillna(x) # 用x的值填充所有null值
s.fillna(s.mean()) # 用该列的平均值替换掉null值，其中mean()可以换成任意函数，
# 如std()，min()，max()等
s.astype(float) # 将数据类型转换为float，可将float替换为int，object等
s.replace(1,'one') # 用‘one’来替换掉所有的1
s.replace([1,3],['one','three']) # 用‘one’来替换掉1，用‘three’替换掉3，
# 注意两个list内部的顺序要一一对应
df.rename(columns=lambda x: x + 1) # 批量修改列名称
df.rename(columns={'old_name': 'new_name'}) # 制定特定列并修改其列名称
df.set_index('column_one') # 替换index的值
df.rename(index=lambda x: x + 1) # 批量替换index
过滤、排序、分组
df[df[col] > 0.5] # 选取某一列中所有值大于0.5的行
df[(df[col] > 0.5) & (df[col] < 0.7)] # 选取某一列中所有值大于0.5且小于0.7的行
df.sort_values(col1) # 根据col1（列1）的值对DataFrame进行正序排列
df.sort_values(col2,ascending=False) # 根据col2（列2）的值对DataFrame进行倒序排列
df.sort_values([col1,col2],ascending=[True,False]) # 先根据col1进行正序排列，
# 再对相同值根据col2进行倒序排列，
# 注意：顺序不同，结果千差万别
df.groupby(col) # 利用col中的类别对DataFrame的数据进行分类分组
df.groupby([col1,col2]) # 先利用col1中的类别对DataFrame的数据进行分类分组，
# 而后在各个组内根据col2中的类别再进行分类分组，
# 注意：顺序不同，结果千差万别
df.groupby(col1)[col2].mean() # 先根据col1进行分类分组，然后选取分类后的col2，
# 而后对col2中的值求平均值，即求出每一组中col2的平均值
# mean()可以由任何函数代替，如min()，max()等
df.pivot_table(index=col1,values=[col2,col3],aggfunc=mean)
# 创建一个pivot table，以col1为分类分组的依据，
# 对col2和col3求组内平均值
df.groupby(col1).agg(np.mean) # 先根据col1进行分类分组，然后小组内对其所有列求均值
df.apply(np.mean) # 对每一列执行np.mean函数，即求均值，np.mean可替换
df.apply(np.max, axis=1) # 对每一行执行np.max函数，即求最大值，np.max可替换
DataFrame的组合
df1.append(df2) # 在df1后添加df2（每行必须不同）
pd.concat([df1, df2],axis=1) # 在df1后添加df2（每行必须不同）
df1.join(df2,on=col1,how='inner') # SQL风格代码，将df1和df2进行JOIN，
# 所JOIN的列为col1，JOIN的方式为‘inner’
# 其余可选JOIN方式为‘left’，‘right’，‘outer’
数值计算
# 以下所有同样可应用于Series
df.describe() # 返回所有值为数字的列的总结，均值、标准差等
df.mean() # 返回所有列的均值
df.corr() # 返回df的相关性矩阵
df.count() # 返回每一列中不为null的值的数量
df.max() # 返回每一列中的最大值
df.min() # 返回每一列中的最小值
df.median() # 返回每一列的中位数
df.std() # 返回每一列的标准差
结语
两篇Pandas的介绍基本涵盖了所有Pandas的基本语句，语句并不算太多，但基本已经足够日常使用。当然，如果需要对DataFrame做更为复杂的变化的话，一些我没有提到的特殊语句可能更为方便，但是这些特殊的功能往往可以通过2-3个基础语句的组合来实现。如果对Pandas进阶有兴趣的话，请查阅官方文档。
想成为一名合格的数据科学家/AI工程师吗？关注“机器学习学社”获取每天一份的新鲜咨询，为你开拓属于你自己的AI之路