- df.duplicated() :判斷各行是重復，False為非重復值。
- df.drop_duplicates()：刪除重復行
- df.fillna(0)：用實數0填充na
- df.dropna()：按行刪除缺失數據，使用參數axis=0；按列刪除缺失值，使用參數axis=1，how = "all" 全部是NA才刪，"any"只要有NA就刪除
- del df['col1']：直接刪除某列
- df.drop([]'col1',……],axis=1)：刪除指定列，也可以刪除指定行
- df.rename(index={'row1':'A'},columns ={'col1':'B'})：重命名索引名和列名
- df.replace()：替換df值，前后值可以用字典表,{'1':'A','2:'B'}
- hr_data['col1'].map(function)：Series.map，對指定列進行函數轉換
- pd.merge(df1,df2,on='col1',how='inner',sort=True)：合並兩個df，按照共有的列作內連接（交集），outter為外連接（並集），結果排序。
- pd.concat([df1,df2])：多個Series堆疊成多行。
- df1.combine_first(df2)：用df2的數據補充df1的缺失值NAN。
數據集介紹
以下各例子均使用如下數據集進行演示。
duplicated()
判斷各行是重復，False為非重復值。
drop_duplicates()
刪除重復行
通過指定列，刪除重復行
fillna(value=0)
對缺失值進行填充 ,用實數0填充na。
df.dropna()
通常情況下，刪除行使用參數axis = 0，刪除列使用axis = 1。
按列刪除缺失值，使用參數axis=1。
how = "all" 全部是NA才刪，"any"只要有NA就刪除
del df['col1']
直接刪除某列。
df.drop()
- labels 就是要刪除的行列的名字，用列表給定。
- axis=0 刪除行，axis=1 刪除列。
- index 直接指定要刪除的行。
- columns 直接指定要刪除的列。
刪除指定行
df.rename()
重命名索引名和列名。
df.replace()
替換df值，前后值可以用字典表,{'1':'A','2:'B'}。
hr_data['col1'].map(function)
Series.map，對指定列進行函數轉換。
pd.merge(df1,df2,on='col1',how='inner',sort=True)
merge 函數通過一個或多個鍵來將數據集的行連接起來。該函數的主要 應用場景是針對同一個主鍵存在兩張包含不同特征的表，通過該主鍵的連接，將兩張表進行合並。合並之后，兩張表的行數沒有增加，列數是兩張表的列數之和減一。
{!-- PGC_COLUMN --}
- on=None 指定連接的列名，若兩列需要連接的列名不一樣，可以通過left_on和right_on 來具體指定
- how=’inner’，參數指的是左右兩個表主鍵那一列中存在不重合的行時，取結果的方式：inner表示交集，outer 表示並集，left 和right 表示取某一邊。
pd.concat([df1,df2])
拼接兩個數據集，可在行或者列上合並。
axis=0 是行拼接，拼接之后行數增加，列數也根據join來定，join=’outer’時，列數是兩表並集。同理join=’inner’，列數是兩表交集。
df1.combine_first(df2)
合並重疊數據，用df2的數據補充df1的缺失值NAN。
