pandas删除及其映射修改操作。

1.使用drop_duplicates()函数删除重复的行

df.drop_duplicates()　

2.映射

映射的含义，创建一个映射关系，把values元素和一个特定的标签或字符串绑定

map = {"label1":"value1","label2":"value2","label3":"value3"}

包含三种操作：

 replace()函数：替换元素

           最重要：map()函数：新建一列

           rename()函数：替换索引

replace()

# 适应replace()函数，对values进行替换操作。

replace()对应参数有：

['to_replace=None', 'value=None', 'inplace=False', 'limit=None', 'regex=False', "method='pad'"]

在原数据的基础上对数据通过隐射的方式进行修改

如：df.replace({4:60,1:60},inplace=True)

map()

map()新建一列，是指使用原有的列生成一个新的列，适合处理某一单独的数据，任然是一个字典

map()函数中适合使用lambda函数或是重新定义一个函数。

map()也可以使用自定义的映射函数对values的某一列进行重新赋值。

扩展：transform()和map()类似的

apply和map类似

如：

def convert(x):
if x<60:
return "不及格"
elif x>=60 and x<80:
return "及格"
elif x>=80 and x<100:
return "一般"
elif x>=100 and x<120:
return "良好"
else:
return "优秀"
df["level"] = df["python"].map(convert)
df

3.rename()

rename()函数：替换索引

任然是新建的一个字典的映射关系

如：使用rename()函数替换索引

df.rename({0:"a",3:"B"})   #替换行索引

#替换列索引

df.rename({"math":"java"},axis=1)