• DataFrame 某一列字母转大写

df['列名'] = df['列名'].str.upper()

• DataFrame 按指定字符串拼接两列：df.concat

df3 = pd.concat([df1['cosine'],df1['couple_product_id'].str.split('_', expand=True)], axis=1)

• DataFrame 对列重命名 ：df.rename

df3.rename(columns={0:'product_id_a', 1:'product_id_b'}, inplace=True)

• DataFrame 取某些列

df5 = df2[df2['product_id'].isin(random_sample_b)]

• DataFrame 删除某些列

df4 = df4.drop(columns=['sku_code', 'bundleproduct_main_sku'])

• DataFrame 按条件取行

  • 选取等于某些值的行记录 用 ==

    df.loc[df[‘column_name’] == some_value]
    

  • 选取某列是否是某一类型的数值 用 isin

    df.loc[df[‘column_name’].isin(some_values)]
    

  • 多种条件的选取 用 &

    df.loc[(df[‘column’] == some_value) & df[‘other_column’].isin(some_values)]
    

  • 选取不等于某些值的行记录 用 ！=

    df.loc[df[‘column_name’] != some_value]
    

  • isin返回一系列的数值,如果要选择不符合这个条件的数值使用~

    df.loc[~df[‘column_name’].isin(some_values)
    

• DataFrame 横向对应拼接

  df389 = pd.merge(df38, df9,     how='left', on='product_b')
  

• DataFrame 求某列均值

  df[col].mean())  
  

• DataFrame 筛选某列为指定值的数据

  Df1 = df1[df1['A'].isin([1])]
  
  df1[df1['A'].isin([1])] 选取df1中A列包含数字1的行
  

• DataFrame 前一个和后一个词组成元组

  [(word[i],word[i+1]) for I in     range(len(words)-1)]
  

• DataFrame merge报错 不同类型不能merge

  base_df['article_id']      = base_df['article_id'].apply(int)
  

• DataFrame drop_duplicates()删除重复行

  df389_Lancome = df389_Lancome.drop_duplicates()
  

• DataFrame 直接新增列

    data['d'] = [5,6]
    append 新增行
    res = pd.DataFrame(columns=('lib', 'qty1', 'qty2'))
    res = res.append([{'qty1':10.0}], ignore_index=True)
    items_a = df9['product_id_a'].to_list() 
  

• DataFrame 读取csv 设置数据类型

  df = pd.read_csv("somefile.csv", dtype = {'column_name' : str})
  

• python list去重并保持原顺序

  ids = list(set(x))
  ids.sort(key=x.index)
  

• python 转换list元素类型

  label_list = [int(i) for i in label_list]
  

• DataFrame 筛选多项条件

  some = all_data[(all_data['User_id'] == 1439408) & (all_data['Date'].isna())]
  

• DataFrame 取某行某列的value

  [pd.at][i,‘j’] 
  pd.loc[i,j] = value
  

• DataFrame 填充空值的方法

  df3_sum_MakeUp_Fragrance_Oil.fillna(value=0)
  df.fillna(method='pad',axis=0)  # 用前一行的值填充
  df.fillna(method='backfill',axis=1)  # 用后一列的值填充
  

• DataFrame 根据某列排序

  df.sort_values(by=['col1'],na_position='first'))
  

• python 保存字典为json文件

json_str = json.dumps(all_house,ensure_ascii=False)
json_str = json.dumps(test_dict)
with open('test_data.json', 'w') as json_file:
    json_file.write(json_str)

• python list中每个int转换为str

在Python中，有时需要将list以字符串的形式输出，此时可以使用如下的形式：

```
",".join(list_sample)1
```

其中，`,`表示的是分隔符

如需要将`a_list = ["h","e","l","l","o"]`转换成字符输出，可以使用如下的形式转换：

```
a_list = ["h","e","l","l","o"]

print ",".join(a_list)123
```

如果list中不是字符串，而是数字，则不能使用如上的方法，会有如下的错误：

> TypeError: sequence item 0: expected string, int found

可以有以下的两种方法：

- 方法1

```
num_list = [0,1,2,3,4,5,6,7,8,9]
num_list_new = [str(x) for x in num_list]

print ",".join(num_list_new)1234
```

- 方法2

```
num_list = [0,1,2,3,4,5,6,7,8,9]
num_list_new = map(lambda x:str(x), num_list)

print ",".join(num_list_new)
```

• python 字符串转大小写

str = "www.runoob.com"
print(str.upper())          # 把所有字符中的小写字母转换成大写字母
print(str.lower())          # 把所有字符中的大写字母转换成小写字母
print(str.capitalize())     # 把第一个字母转化为大写字母，其余小写
print(str.title())          # 把每个单词的第一个字母转化为大写，其余小写 

• DataFrame 计算pd每一列的均值

• for col in  df.columns:
  print("该列数据的均值位%.2f" %df[col].mean())  #计算每列均值
  

• DataFrame 取dataframe特定行/列

• (https://www.cnblogs.com/nxf-rabbit75/p/10105271.html)

• DataFrame 设置某列数据保留两位小数

  data[u'线损率'] = data[u'线损率'].apply(lambda x: format(x, '.2%'))
  

• python 字典中根据value获取key值

• list(a.keys())[list(a.values()).index('a')]
  

• DataFrame 统计某一列中各值出现的次数

• df_train.loc[:,'label'].value_counts()
  

• DataFrame 对象列的最大值、最小值、平均值、标准差、中位数

• df.sum() 求和
  Df.max() 最大值
  Df.mix() 最小值
  Df.std() 标准差
  Df.decribe() 数据的详细信息
  25%，50%，75%就是将列内的数值由小到大排列并分成四等份，处于25%、50%、75%三个分割点位置的数值
  

• DateFrame新增一列

• data['c'] = ''
  

• DataFrame 删除指定列空值的行

• df1  = df1.dropna(subset=["豆瓣评分","评分人数"]) 
  

• DataFrame 字符串拼接

• df_session01['user_id'] = df_session01['user_id'].apply(str)
  df_session01['session_id'] = df_session01['session_id'].apply(str)
  df_session01['user_id_session'] = df_session01['user_id'].str.cat(df_session01['session_id'],sep="_")