pandas包 —— drop()、sort_values()、drop_duplicates()

一、drop() 函数

当你要删除某一行或者某一列时，用drop函数，它不改变原有的df中的数据，而是返回另一个dataframe来存放删除后的数据。

1.命令：　　df.drop()

　　删除行：df.drop('apps') 　　　#drop函数的参数默认 axis=0

　　删除列：df.dorp('col', axis=1)  #删除列要加axis=1，默认是删除行的

2.

temp = deviceid_packages.drop('apps', axis=1)
temp1 = deviceid_packages.drop(['apps'], axis=1)

　　

二、sort_values()函数

pandas中的sort_values()函数原理类似于SQL中的order by，可以将数据集依照某个字段中的数据进行排序，该函数即可根据指定列数据也可根据指定行的数据排序。

1.sort_values()函数的具体参数

Usage：

DataFrame.sort_values(by=‘##’,axis=0,ascending=True, inplace=False, na_position=‘last’)

2.参数说明：

参数	说明
by	指定列名(axis=0或’index’)或索引值(axis=1或’columns’)
axis	若axis=0或’index’，则按照指定列中数据大小排序；若axis=1或’columns’，则按照指定索引中数据大小排序，默认axis=0
ascending	是否按指定列的数组升序排列，默认为True，即升序排列
inplace	是否用排序后的数据集替换原来的数据，默认为False，即不替换
na_position	{‘first’,‘last’}，设定缺失值的显示位置

#注意sort_values()函数与drop()函数的参数axis表示的相反

三、drop_duplicates()函数

参考:https://www.cnblogs.com/xxswkl/p/10989306.html

dataframe删除某一列的重复元素，默认只留下第一次出现的

inplace参数设置为true时直接在原数据上修改,为False时,生成副本.

#注意：所有函数中inplace一旦设置为True,它整体已经就是None.想要再跟函数只能再写一行.

且此时在前面也不能赋值,赋值也是None.因为设置为True时,整体是None,设置为False时,整体是一个引用,可以赋给其它变量.

1.

a1 = pd.DataFrame({
                    'a': [1, 1, 3, 2,],
                    'b': [1, 1, 6, 4,],
                    'c': [1, 1, 3, 9,]
                  })
print(a1)
#    a  b  c
# 0  1  1  1
# 1  1  1  1
# 2  3  6  3
# 3  2  4  9

a1.drop_duplicates(inplace=True)
print(a1)
#    a  b  c
# 0  1  1  1
# 2  3  6  3
# 3  2  4  9

# 这里inplace为假，整体实际上是一个引用，所以可以直接输出.
print(a1.drop_duplicates(['a','b'], keep='first',inplace=False)) #删除a，b两列重复的行，并且保留首次出现的哪一行
#    a  b  c
# 0  1  1  1
# 2  3  6  3
# 3  2  4  9

# 注意这里因为inplace为真，直接在原数据上修改，直接输出是空，因为它并不是一个引用，a1才是引用.
print(a1.drop_duplicates(['a','b'], keep='first',inplace=True))
# None　

2.

想要留下去掉的重复行，可以先删除重复行后，保存索引，再删除索引.

import pandas as pd
import numpy as np
import re

df = pd.DataFrame({'a': [1,1,3,4,3],
                   'b': [1,1,3,4,3],
                   'c': [1,1,3,4,3]})
print('原始数据：\n',df)
# 原始数据：
#     a  b  c
# 0  1  1  1
# 1  1  1  1
# 2  3  3  3
# 3  4  4  4
# 4  3  3  3

print('去掉重复行后：\n', df.drop_duplicates())
# 去掉重复行后：
#     a  b  c
# 0  1  1  1
# 2  3  3  3
# 3  4  4  4

drop_index = df.drop_duplicates().index.tolist()
print('去掉的重复行是：\n',df.drop(drop_index))
# 去掉的重复行是：
#     a  b  c
# 1  1  1  1
# 4  3  3  3

#参数inplace=默认为假，数据框df还是原来的没有改变
print(df)
#     a  b  c
# 0  1  1  1
# 1  1  1  1
# 2  3  3  3
# 3  4  4  4
# 4  3  3  3