Pandas的数据结构

Series — 由数据和索引组成（索引（index）在左，数据（values）在右）

import pandas as pd# 生成一个series
ser_obj = pd.Series(range(10, 20))
print(ser_obj)
print("--" * 20)# 获取数据
print(ser_obj.values)print("--" * 20)# 获取索引
print(ser_obj.index)print("--" * 20)# 下面对ser_obj的计算都不改变ser_obj的实际值# 所有的值 * 2  注：索引不变
print(ser_obj * 2)
print("--" * 20)# 值满足条件的为True  不满足为False  注：索引不变
print(ser_obj > 15)
print("--" * 20)# 通过索引下标访问值  索引下标不存在报错
print(ser_obj[1])  # 11  上面的运算 并没有 改变ser_obj的值
# ser_obj[10]  # KeyError: 10
print("----------------  通过字典变series  --------------------")# 字典变为series
year_data = {2001: 1, 2013: 13, 2016: 16, 2019: 19, 2023: 23}
ser_obj2 = pd.Series(year_data)
print(ser_obj2)
print("--" * 20)
print(ser_obj2.index)
print("--" * 20)
print(ser_obj2.values)
print("--" * 20)
print(type(ser_obj2.values))  # <class 'numpy.ndarray'>
print(type(ser_obj2.index))  # <class 'pandas.core.indexes.base.Index'>
print("--" * 20)
print(ser_obj2[2023])  # 23print("***" * 14)# index.name 索引列的名字    name 整个Series的名字
# head  所有的名字 值  类型
print(ser_obj2.name)
ser_obj2.name = "temp"
print(ser_obj2.index.name)
ser_obj2.index.name = "year1"
print("--" * 20)
print(ser_obj2.head())
# print(ser_obj2.head(n))  # 打印前n行的信息，但是索引列的名字和 series的名字都会显示 还有dtype

DataFrame — 索引包括行索引和列索引，每列数据可以是不同的类型

import pandas as pd
import numpy as np# 通过 ndarray 构建 DataFrame
arr = np.arange(18).reshape((3, 6))
print(pd.DataFrame(arr))
print("---" * 20)# 通过 dict 构建 DataFrame
d = [{"name": "xiaohong", "age": 23, "tel": 10086},{"name": "xiaogang", "tel": 10087},{"name": "xiaowang", "age": 22, "tel": 10088}]
df = pd.DataFrame(d)
print(df)
print("---" * 20)# 列 要不相等 要不为1
dict_data = {'A': 1,'B': pd.Timestamp("20190926"),'C': pd.Series(1.5, index=list(range(4))),'D': np.array([3] * 4, dtype='int32'),'E': ["python", "c", "c++", "java"],'F': 'wangdao'}
df_obj = pd.DataFrame(dict_data)
print(df_obj)
print("--" * 20)
print(df_obj.columns)  # Index(['A', 'B', 'C', 'D', 'E', 'F'], dtype='object')
print("--" * 20)# 感受日期 date_range
# random.randn(x,y)  生成 x行 y列 随机数
dates = pd.date_range('20130101', periods=6)
df1 = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
print(df1)
print("--" * 20)# 把df的某一列取出来是Series 且 名字是 series的名字
print(df_obj['B'])
print(type(df_obj['B']))
print("--" * 20)# 增加列数据  列名 自定义
df_obj['G'] = df_obj['D'] + 4
print(df_obj)# 删除列
del (df_obj['G'])
print("--" * 20)
print(df_obj)

Pandas的索引操作 — 索引对象index

Series

import pandas as pd# Series 索引# Series(值，索引)
# ser_obj = pd.Series(range(5), index=['a', 'b', 'c', 'd', 'e'])  # 和下面这句功能一样
ser_obj = pd.Series(range(5), index=list("abcde"))
print(ser_obj)# 行索引  可以用索引名  也可以用0123（默认都有  即使取了别名）
print("按索引名索引为")
print(ser_obj['a'])
print("按0123索引为")
print(ser_obj[1])
print("--" * 20)# 切片索引
print(ser_obj[1:3])  # 按0123索引 左闭右开
print(ser_obj['a':'c'])  # 按索引名  左右都闭---因为你不知道c前面是谁 所以不知道到哪停止
print("--" * 20)# 不连续索引 [[]]
print(ser_obj[[0, 2, 4]])
print(ser_obj[['a', 'e']])
print("--" * 20)# 布尔索引
ser_bool = ser_obj > 2
print(ser_bool)
# 下面两个结果一样
print(ser_obj[ser_bool])
# print(ser_obj[ser_obj > 2])

DataFrame

import numpy as np
import pandas as pd# DataFrame索引  index=行   columns=列
df_obj = pd.DataFrame(np.random.randn(5, 4),index=['a', 'b', 'c', 'd', 'e'],columns=['a', 'b', 'c', 'd'])
print(df_obj)
print("--" * 20)# 列索引
print(df_obj['a'])  # []返回Series类型
print("--" * 20)
print(df_obj[['a']])  # [[]]返回DataFrame类型
print("--" * 20)# 标签索引 loc 索引---（名）  [] 左右都是闭区间 名只能用名字 不能用0123
# Series
print(df_obj.loc['a'])  # 推荐 取---行
# print(df_obj['a'])  # 建议不用  取---列
print("--" * 20)
# 第一个参数是行，第二个参数是列
print(df_obj.loc['a':'c', 'b'])
print("--" * 20)# iloc ---(位置) 索引 是 前闭后开 [)  位置只能用 数字0123
print(df_obj.iloc[0:2, 1:2])
print(type(df_obj.iloc[0:2, 1:2]))

Pandas的对齐运算

Series

import pandas as pd# 对齐运算  缺失数据 默认是nan  注：只有float类型才有nan和inf
# Series
s1 = pd.Series(range(10, 20), index=range(10))
s2 = pd.Series(range(25, 30), index=range(5))
s3 = s1 + s2
print(s3)  # 缺失数据 默认是nan
print("--" * 20)
# 未对齐的数据（nan） 和 填充值fill_value ---做 ---运算
# 注：不是---计算完 ---以后 在把nan填充成fill_value
print(s1.add(s2, fill_value=0))

DataFrame

import pandas as pd# np.ones(x,y)  用 1. 填充x行y列
df1 = pd.DataFrame(np.ones((2, 2)), columns=list('ab'))
df2 = pd.DataFrame(np.ones((3, 3)), columns=['a', 'b', 'c'])
print(df1 - df2)
print("--" * 20)
print(df1.sub(df2, fill_value=2.)) # nan 的位置用 2. 来计算 (写成2也行)

Pandas的函数应用

import pandas as pd
import numpy as np# 函数应用  Series
df = pd.DataFrame(np.random.randn(5, 4) - 1)
print(df)
print("绝对值如下np.abs():")
print(np.abs(df))  # 绝对值
print("--" * 20)# apply 作用在 列上  axis 默认为0
print(df.apply(lambda x: x.max()))
print("--" * 20)# apply 作用在 行上
print(df.apply(lambda x: x.max(), axis=1))
print("--" * 20)# applymap 作用到 每个数据
print(df.applymap(lambda x: '%.2f' % x))  # 保留两位小数
# print(df.dtypes)
print("--" * 20)s = pd.Series(range(10, 15), index=np.random.randint(5, size=5))  # 必须加size=5
print(s)
print("--" * 20)# 索引排序(sort_index)
print(s.sort_index())
print("--" * 20)# DataFrame
df = pd.DataFrame(np.random.randn(5, 5),index=np.random.randint(5, size=5),columns=np.random.randint(5, size=5))
print(df)
print("--" * 20)
# 轴0是行索引排序
# sort_index 默认是升序排序     ascending=False 为降序排序
df_rSort = df.sort_index(axis=0, ascending=False)
print(df_rSort)
print("--" * 20)
# 轴1是列索引排序
df_cSort = df.sort_index(axis=1, ascending=False)
print(df_cSort)
print("--" * 20)# 按值排序(sort_values) by后是column的值
import randoml = [random.randint(0, 100) for i in range(24)]
df2 = pd.DataFrame(np.array(l).reshape(6, 4))
print(df2)
print("--" * 20)
# 按轴0排序  by后是列名  ---结果以 行的形式展示
df2_cSort = df2.sort_values(by=3, axis=0, ascending=False)
print(df2_cSort)
print("--" * 20)
# 按轴1排序  by后是行名  ---结果以 列的形式展示
df2_rSort = df2.sort_values(by=3, axis=1, ascending=False)
print(df2_rSort)

# 处理缺失数据
df = pd.DataFrame([np.random.randn(3), [1., 2., np.nan], [np.nan, 4., np.nan], [1., 2., 3.]])
print(df.head())# df.isnull()  nan 为True 其他为 False
print(df.isnull())
print("--" * 20)# df.dropna() 默认是删除行      ---加axis=1 就是删除列（一般不用）
print(df.dropna())
print("--" * 20)# fillna 把nan填成某值
print(df.fillna(-100.))
print("--" * 20)

层级索引

index1 = pd.MultiIndex.from_arrays([['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c'], [0, 1, 2, 0, 1, 2, 0, 1, 2]],names=['cloth', 'size'])
ser_obj = pd.Series(np.random.randn(9), index=index1)print(ser_obj)
print("--" * 20)
print(ser_obj.index)
# [['a', 'b', 'c'], [0, 1, 2]]
print(ser_obj.index.levels)
print("--" * 20)# 层级索引如何获取数据
print(ser_obj['c'])   # 外层索引
print("--" * 20)
print(ser_obj['c', 1]) # 内层索引
print("--" * 20)
print(ser_obj[:, 2])
print("--" * 20)# 交换层级 swaplevel()
print(ser_obj.swaplevel())
print("--" * 20)
print(ser_obj)
print("--" * 20)
# 层级索引按那个索引级别排序
print(ser_obj.sort_index(level=1))# unstack 可以放索引名  或者索引位置
print("--" * 20)
df_obj = ser_obj.unstack(1)  # 把1层索引 放到上面 变成dataframe
print(df_obj)
print("--" * 20)# stack 把行、列索引进行堆叠  变成Series
print(df_obj.stack())

Pandas的统计和计算

import numpy as np
import pandas as pd# pandas统计和计算
# axis = 1 统计每一行   axis = 0 统计每一列
df_obj = pd.DataFrame(np.random.randn(5, 4), columns=list('abcd'))
print(df_obj)
df_obj.loc[1, 'b'] = np.nan
print(df_obj)
print("--" * 20)
# skipna 是否跳过nan  默认是True  axis=1 表示每一行的最小值   axis=0表示每一列的最小值
print(df_obj.min(axis=1, skipna=False))
print("--" * 20)
# describe()  最大值 最小值 数值的个数 方差 等等都有
print(df_obj.describe())
print("--" * 20)# 计算最大值或者最小值的 位置
# argmin 和 argmax 只能是Series  不能是 DataFrame
print(type(df_obj.loc[:, 'c']))  # Series
print(df_obj.loc[:, 'c'].argmin())
print("--" * 20)# 计算最大值或者最小值的 索引  idxmax idxmin
print(df_obj.idxmax(axis=0)) # axis=0 表示每一 列

Pandas分组与聚合

分组

import numpy as np
import pandas as pd# 分组  都是按 轴1分组  因为每一列代表一种类型
# 字典默认作为列名
dict_obj = {'key1': ['a', 'b', 'a', 'b', 'a', 'b', 'a', 'a'],'key2': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],'data1': np.random.randn(8),'data2': np.random.randn(8)}
df_obj = pd.DataFrame(dict_obj)
print(df_obj)
print("--" * 20)# dataframe根据key1进行分组，分组后的对象类型
print(df_obj.groupby('key1'))
print(type(df_obj.groupby('key1')))
print("--" * 20)
print(df_obj['data1'])
# dataframe 的 data1 列 根据key1 进行分组
print(type(df_obj['data1'].groupby(df_obj['key1'])))
print("--" * 20)# 分组运算
grouped2 = df_obj['data1'].groupby(df_obj['key1'])
print(grouped2.mean())
print("--" * 20)# 按自定义的key分组
self_def_key = [0, 1, 2, 3, 3, 4, 4, 7]
print(df_obj.groupby(self_def_key).size())  # 等于mysql的count
print(df_obj.groupby(self_def_key).sum())
print("--" * 20)# 按自定义key分组，多层列表
print(df_obj.groupby([df_obj['key1'], df_obj['key2']]).size())
print("--" * 20)# 按多个列 多层分组
grouped3 = df_obj.groupby(['key1', 'key2'])
print(grouped3.size())
print("--" * 20)# 多层分组 按key的顺序进行
grouped4 = df_obj.groupby(['key2', 'key1'])
print(grouped4.size())
print(grouped4.mean())
print("--" * 20)# unstack 可以将多层索引的结果换成单层的dataframe
print(grouped4.mean().index)
print(type(grouped4.mean().unstack()))
print(grouped4.mean().unstack())
print(grouped4.mean().unstack().columns)
print("--" * 20)# 多层分组，根据key1 和 key2
for group_name, group_data in grouped4:print(group_name)print(group_data)print(type(group_data))
print("--" * 20)# 按类型分组
print(df_obj.dtypes)
# 一列数据类型必须一致，对应现实生活的一个特征
df_obj['data3'] = df_obj['data2'] + 1
print(df_obj)
print("--" * 20)
print(df_obj.groupby(df_obj.dtypes, axis=1).size())  # 按轴0没有意义
print(df_obj.groupby(df_obj.dtypes, axis=1).sum())
self_column_key = [1, 2, 3, 3, 4]
print(df_obj.groupby(self_column_key, axis=1).sum())  # 通过自定义索引去让不同列相加
print("--" * 20)# 通过字典分组  randint(1, 10, (5, 5)) 1-10之间 5行5列
df_obj2 = pd.DataFrame(np.random.randint(1, 10, (5, 5)), columns=list('abcde'), index=list('ABCDE'))
print(df_obj2)
# 给指定某个部分的数据重新赋值为np.NaN
df_obj2.loc['B', 'b':'d'] = np.nan
print(df_obj2)
print("**" * 20)# 通过字典分组
mapping_dict = {'a': 'python', 'b': 'python', 'c': 'java', 'd': 'c', 'e': 'java'}print(df_obj2.groupby(mapping_dict, axis=1).size())  # 值 对应的个数 c -- 1  java  --  2  python --  2
print(df_obj2.groupby(mapping_dict, axis=1).count())  # 非nan的个数
print(df_obj2.groupby(mapping_dict, axis=1).sum())  # 求和不记录nan  nan当作0了
print("--" * 20)# 通过函数分组
df_obj3 = pd.DataFrame(np.random.randint(1, 10, (5, 5)), columns=list('abcde'),index=['AA', 'BBBB', 'CCC', 'D', 'EEE'])
print(df_obj3)def group_key(idx):return len(idx)  # 默认传的是行索引  因为列索引都是1print(df_obj3.groupby(group_key).size())  # axis 默认是0
# 上面自定义函数等价于
print(df_obj3.groupby(len).size())
print("--" * 20)# 通过索引级别分组
columns = pd.MultiIndex.from_arrays([['python', 'java', 'python', 'java', 'c'], ['A', 'A', 'C', 'B', 'B']],names=['language', 'index1'])
df_obj4 = pd.DataFrame(np.random.randint(1, 10, (5, 5)), columns=columns)
print(df_obj4)
print("--" * 20)# 根据language进行分组
print(df_obj4.groupby(level='language', axis=1).sum())
print("--" * 20)# 根据index进行分组
print(df_obj4.groupby(level='index1', axis=1).sum())

聚合

import numpy as np
import pandas as pd# 聚合
# 字典默认作为列名
dict_obj = {'key1': ['a', 'b', 'a', 'b', 'a', 'b', 'a', 'a'],'key2': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],'data1': np.random.randn(8),'data2': np.random.randn(8)}
df_obj = pd.DataFrame(dict_obj)
print(df_obj)# 自定义聚合函数
def peak_range(df):'''df 参数是 groupby后的groupby对象:param df::return:'''return df.max() - df.min()df_obj2 = df_obj.loc[:, ['key1', 'data1', 'data2']]
print(df_obj2.groupby('key1').agg(peak_range))
print(df_obj2.groupby('key1').agg(lambda df: df.max() - df.min()))
print("--" * 20)# 同时应用多个聚合函数
print(df_obj2.groupby('key1').agg(['mean', 'std', 'count', peak_range]))
print("--" * 20)# 每列作用不同的聚合函数
dict_mapping = {'data1': 'mean','data2': 'count'
}
print(df_obj2.groupby('key1').agg(dict_mapping))

时间序列

import numpy as np
import pandas as pd# 设置索引
# 索引中单项不可以改变，但是整体可以换掉
a = pd.DataFrame({'a': range(7), 'b': range(7, 0, -1),'c': ['one', 'one', 'two', 'one', 'two', 'two', 'two'],'d': list("hjklmno")})
print(a)
c = a.copy()
a.index = list("abcdefg")
print("c的索引没变")
print(c)
print(a)  # a的索引变了
print("--" * 20)
b = c.reindex(list('abcdefg'))  # 返回一个新的df，b没有值，c的索引不变
print(b)
print("--" * 20)# 让某些列变为索引
print(a)
print(a.set_index(['c', 'd']))  # a没变，返回修改后的df
print("a没变")
print(a)
print("--" * 20)# 时间序列   date_range  注意是 date  e
pd.date_range(start="20190101", end="20190924")# periods 长度   B 工作日  M 每月最后一天  W 每周周日
pd.date_range(start="20190101", periods=10, freq="B")
pd.date_range(start="20190819", periods=8, freq="M")
pd.date_range(start="20230819", periods=8, freq="W")

分组和连接

import numpy as np
import pandas as pd# 分组和连接
dict_obj = {'key1': ['a', 'b', 'a', 'b', 'a', 'b', 'a', 'a'],'data1': np.random.randn(8),'data2': np.random.randn(8)}
df_obj = pd.DataFrame(dict_obj)
print(df_obj)
print("--" * 20)
# add_prefix  增加前缀
key1_sum = df_obj.groupby('key1').sum().add_prefix('sum_')
print(key1_sum)
print("--" * 20)# 两个df之间进行连接
# 和mysql的join是一致的  on 连接条件
# 左边以key1为关键词进行连接，右边选True
key1_sum_merge = pd.merge(df_obj, key1_sum, left_on='key1', right_index=True)
print(key1_sum_merge)
print("--" * 20)# 方法二  使用transform  把分组后的结果放到原处
key1_sum_tf = df_obj.groupby('key1').transform(np.sum).add_prefix('sum_')
print(key1_sum_tf)
print("--" * 20)# 算自己比平均值高多少 或者少多少
def diff_mean(s):return s - s.mean()print(df_obj.groupby('key1').transform(diff_mean))# 星际争霸
dataset_path = "starcraft.csv"
df_data = pd.read_csv(dataset_path, usecols=['LeagueIndex', 'Age', 'HoursPerWeek', 'TotalHours', 'APM'])
print(df_data)
print("--" * 20)def top_n(df, n=3, column='APM'):'''返回每个分组按 column 的 top n 数据'''return df.sort_values(by=column, ascending=False)[:n]# apply 可以用自定义函数
print(df_data.groupby('LeagueIndex').apply(top_n))
# group_keys 为 False后，groupby的列不会变为索引
print(df_data.groupby('LeagueIndex', group_keys=False).apply(top_n))
# 可以自己传参
print(df_data.groupby('LeagueIndex').apply(top_n, n=4, column='Age'))
print("---" * 20)# 连接两个dataframe
df_obj1 = pd.DataFrame({'key': list('bbacaab'),'data1': np.random.randint(0, 10, 7)})
df_obj2 = pd.DataFrame({'key': list('abd'),'data2': np.random.randint(0, 10, 3)})
print(df_obj1)
print(df_obj2)
print("--" * 20)# 1 默认使用相同的列命进行连接，连接方式是内连接
print(pd.merge(df_obj1, df_obj2))# 2 左表索引和右表索引进行连接  _index 索引连接
print(pd.merge(df_obj1, df_obj2, left_index=True, right_index=True))# 3 使用相同的列命进行连接,连接方式是内连接  和 1 一样
pd.merge(df_obj1, df_obj2, on='key')
print("--" * 20)# 4 左右只能出现一次，但是连接方式可以任意
df_obj1 = df_obj1.rename(columns={'key': 'key1'})
df_obj2 = df_obj2.rename(columns={'key': 'key2'})print(pd.merge(df_obj1, df_obj2, left_on='key1', right_on='key2'))
print("--" * 20)# 全外连接
print(pd.merge(df_obj1, df_obj2, left_on='key1', right_on='key2', how='outer'))
print("--" * 20)# left join 等价于 left  outer  join  左表为主
print(pd.merge(df_obj1, df_obj2, left_on='key1', right_on='key2', how='left'))
print("--" * 20)# right 等价于  right outer join 右表为主
print(pd.merge(df_obj1, df_obj2, left_on='key1', right_on='key2', how='right'))
print("--" * 20)# 处理重复列命
df_obj3 = pd.DataFrame({'key': list('bbacaab'),'data': np.random.randint(0, 10, 7)})
df_obj4 = pd.DataFrame({'key': list('abd'),'data': np.random.randint(0, 10, 3)})
# 给相同的数据列添加后缀   on=列
print(pd.merge(df_obj3, df_obj4, on='key', suffixes=('_left', '_right')))

数据合并

import numpy as np
import pandas as pd# 数据合并
# numpy 里面的合并
arr1 = np.random.randint(0, 10, (3, 4))
arr2 = np.random.randint(0, 10, (3, 4))
print(arr1)
print(arr2)
print("--" * 20)# 默认按轴0合并
print(np.concatenate([arr1, arr2]))
print(np.concatenate([arr1, arr2], axis=1))
print("--" * 20)# pandas 合并
# index 没有重复的情况
ser_obj1 = pd.Series(np.random.randint(0, 10, 5), index=range(0, 5))
ser_obj2 = pd.Series(np.random.randint(0, 10, 5), index=range(5, 10))
ser_obj3 = pd.Series(np.random.randint(0, 10, 5), index=range(10, 15))
print(ser_obj1)
print(ser_obj2)
print(ser_obj3)
print("--" * 20)print(pd.concat([ser_obj1, ser_obj2, ser_obj3]))
print(pd.concat([ser_obj1, ser_obj2, ser_obj3], axis=1))
print("---" * 20)# index 有重复的情况
ser_obj1 = pd.Series(np.random.randint(0, 10, 5), index=range(0, 5))
ser_obj2 = pd.Series(np.random.randint(0, 10, 5), index=range(3, 8))
ser_obj3 = pd.Series(np.random.randint(0, 10, 5), index=range(6, 11))
print("--" * 20)print(pd.concat([ser_obj1, ser_obj2, ser_obj3]))
print("--" * 20)
print(pd.concat([ser_obj1, ser_obj2, ser_obj3], axis=1, join='inner'))  # 内连接  没有nan
print(pd.concat([ser_obj1, ser_obj2, ser_obj3], axis=1, join='outer'))  # 全外连接  有 nan
print(pd.concat([ser_obj1, ser_obj2, ser_obj3], axis=1))  # 默认外连接 有nan
print("--" * 20)# 数据重构
df_obj = pd.DataFrame(np.random.randint(0, 10, (5, 2)), columns=['data1', 'data2'])
print(df_obj)# 对df进行stack,就会变成mutiindex的series
stacked = df_obj.stack()  # stack 内部带的参数是 level  选择哪一个 column 变为 index
print(stacked)
print(stacked.unstack())  # 又回去了
print("--" * 20)
print(stacked.unstack(level=0))
print("--" * 20)# 处理重复数据
df_obj = pd.DataFrame({'data1': ['a'] * 4 + ['b'] * 4, 'data2': np.random.randint(0, 4, 8)})
print(df_obj)
print(df_obj.duplicated())  # 把从上到下重复的变为True
df_obj[~df_obj.duplicated()]  # 取出不重复行# 按某列去重
print(df_obj.duplicated('data2'))
print("--" * 20)df_obj1 = pd.DataFrame({'data1': [np.nan] * 4,'data2': list('1234')})
print(df_obj1)
print(df_obj1.duplicated('data1'))  # 空值认为相等  实际上 np.nan != np.nan 为True
print(df_obj1.drop_duplicates('data1'))  # 去除重复行
print("--" * 20)# series 替换值
ser_obj = pd.Series(np.arange(10))
print(ser_obj)
# 单个值替换成单个值
print(ser_obj.replace(1, -100))# 多个值替换成单个值
print(ser_obj.replace(range(6, 9), -100))# 多个值替换成多个值
print(ser_obj.replace([4, 6], [-100, -200]))
print("--" * 20)# dataframe 替换值
df = pd.DataFrame({'A': [0, 1, 2, 3],'B': [4, 5, 6, 7],'C': list('abcd')})
print(df)
# regex=True 正则表达式  前面用了正则 就需要变为True
print(df.replace(to_replace=r'^a', value=100, regex=True))
print(df.dtypes)  # C列变为object类了