python如何用columns参数获取DataFrame各列的表头名
作者：梧桐雪
这篇文章主要介绍了python如何用columns参数获取DataFrame各列的表头名问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
用columns参数获取DataFrame各列的表头名
有时候，我们希望获得一个已有数据表的各个表头名（即列名），来看看这个表格中到底存储了哪些数据，我们就可以打印columns列表来实现这个功能。
我们可以用以下的代码来查看：
import pandas as pd
dict_data = {
'student':["Li Lei","Han Meimei","Tom"],
'score' :[95,98,92],
'gender':['M','F','M']
}
df_data1 = pd.DataFrame(dict_data)
df_data2 = pd.DataFrame(dict_data,columns=['gender','student','score'])
print(df_data1)
print(df_data2)
print(df_data1.columns)
print(df_data2.columns)
运行之后的结果如下所示：
student score gender
0 Li Lei 95 M
1 Han Meimei 98 F
2 Tom 92 M
gender student score
0 M Li Lei 95
1 F Han Meimei 98
2 M Tom 92
Index(['student', 'score', 'gender'], dtype='object')
Index(['gender', 'student', 'score'], dtype='object')
[Finished in 4.2s]
课件，columns列表本质上是一个Index类型的object。
pandas dataframe的一些技巧
1. 按日期排序
df211['rq']=pd.to_datetime(df211.rq) df211=df211.sort_values(['rq']).reset_index(drop=True)
1) df = df.sort_values(by='date') 应该也行
2) 以上操作后'rq'会变成timestamp类型,转换为datetime类型:
ts=(list(df211['rq'])[0]).date() ts=(list(df211['rq'])[0]).to_pydatetime()
此外，获取某一列的日期范围并排序：
def change_date(s):
s = datetime.datetime.strptime(s, "%Y-%m-%d") # 把日期标准化，转化结果如：2015/1/4 => 2015-01-04 00:00:00
s = str(s) # 上一步把date转化为了时间格式，因此要把date转回str格式
return s[:10] # 只获取年月日，即“位置10”之前的字符串
data = list(df_0328['rq'].unique())
data=list(map(change_date,data) )
print(type(data))
data.sort(key=lambda date: datetime.datetime.strptime(date, "%Y-%m-%d"))2.去掉特定值行列
df211 = df21.drop(df21[df21['road_name']!='汇新家园'].index).reset_index(drop=True)
3.统计列中各种值出现次数
df2['road_name'].value_counts()
4.处理一张表内嵌的多张表&处理多级表头
1）
xl = pd.ExcelFile('路区模型.xlsx',engine='openpyxl')
sheet_names = xl.sheet_names # 所有的sheet名称
print(sheet_names)2）方法很多，没有找到最好的
如有二级表头，则：
df0512 = pd.read_excel('路区模型.xlsx',engine='openpyxl',\
sheet_name='表2',header=[0,1])5.取出某一列中的数值/去掉非数值项
使用pd.to_numeric
b_=[x for x in (list(df21[('SF', 'B端揽收单量')])) if not np.isnan(pd.to_numeric(x, errors='coerce'))]6.去某一列字符型前十个字符
df_deliver['date'] = df_deliver['create_time'].str[:10]
7.去除日期中小时
df_deliver['hour'] = pd.to_datetime(df_deliver['time']).apply(lambda x:x.hour)
8.坐标转换
def GCJ2WGS(lat,lon):
# location格式如下：locations[1] = "113.923745,22.530824"
a = 6378245.0 # 克拉索夫斯基椭球参数长半轴a
ee = 0.00669342162296594323 #克拉索夫斯基椭球参数第一偏心率平方
PI = 3.14159265358979324 # 圆周率
# 以下为转换公式
x = lon - 105.0
y = lat - 35.0
dLon = 300.0 + x + 2.0 * y + 0.1 * x * x + 0.1 * x * y + 0.1 * np.sqrt(abs(x));
dLon += (20.0 * np.sin(6.0 * x * PI) + 20.0 * np.sin(2.0 * x * PI)) * 2.0 / 3.0;
dLon += (20.0 * np.sin(x * PI) + 40.0 * np.sin(x / 3.0 * PI)) * 2.0 / 3.0;
dLon += (150.0 * np.sin(x / 12.0 * PI) + 300.0 * np.sin(x / 30.0 * PI)) * 2.0 / 3.0;
#纬度
dLat = -100.0 + 2.0 * x + 3.0 * y + 0.2 * y * y + 0.1 * x * y + 0.2 * np.sqrt(abs(x));
dLat += (20.0 * np.sin(6.0 * x * PI) + 20.0 * np.sin(2.0 * x * PI)) * 2.0 / 3.0;
dLat += (20.0 * np.sin(y * PI) + 40.0 * np.sin(y / 3.0 * PI)) * 2.0 / 3.0;
dLat += (160.0 * np.sin(y / 12.0 * PI) + 320 * np.sin(y * PI / 30.0)) * 2.0 / 3.0;
radLat = lat / 180.0 * PI
magic = np.sin(radLat)
magic = 1 - ee * magic * magic
sqrtMagic = np.sqrt(magic)
dLat = (dLat * 180.0) / ((a * (1 - ee)) / (magic * sqrtMagic) * PI);
dLon = (dLon * 180.0) / (a / sqrtMagic * np.cos(radLat) * PI);
wgsLon = lon - dLon
wgsLat = lat - dLat
return wgsLat,wgsLon
lat = list(df_1['lat'])
lon=list(df_1['lon'])
data=list(map(GCJ2WGS,lat,lon) )总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。