（1）取某列等于某个值的所有行数据
df.loc[df['A']==999]
（2）datetime作为索引取行数据
# 第一种方式 df_index = list(df.index) for index in df_index: tmp = df.loc[[str(index)]]
# 第二种方式 df_index = list(df.index) for index in df_index: tag = df.loc[str(index),'B']
（3）取某列等于某个值的所有行
df = df[df.tag==False]
（4）合并list中的dataframe
df_list = [df1,df2,df3] all_df = pd.concat(df_list)
（5）将某一列作为index索引
df.set_index(["Column"], inplace=True)
（6）根据index索引排序
df.sort_index(inplace=True)
（7）利用tqdm对一列进行处理
from tqdm import tqdm
tqdm.pandas() def clearTxt(line): if line != '': line = line.strip() #去除文本中的英文和数字 line = re.sub("[a-zA-Z0-9]", "", line) #去除文本中的中文符号和英文符号 line = re.sub("[\s+\.\!\/_,$%^*(+\"\'；：“”．]+|[+——！，。？?、~@#￥%……&*（）]+", "", line) #分词 segList = jieba.cut(line, cut_all=False) segSentence = '' for word in segList: if word != '\t': segSentence += word + " " return segSentence.strip() train_data['Text'].progress_apply(clearTxt)
（8）将city一列拆分为city1和city2两列
df['city1'] = df['city'].map(lambda x:x.split("|")[0]) df['city2'] = df['city'].map(lambda x:x.split("|")[1])
（9）属性列重命名
#方法一：修改列名a，b为A、B。 df.columns = ['A','B'] # 方法二 df.rename(columns={'a':'A'})
（10）删除有缺失值的行 删除空行
train.dropna(axis=0, how='any', inplace=True)
判断某行的值为空，值为nan
pd.isnull(value)
检查某行或某列的缺失值
df.isnull().any() 用来判断某列是否有缺失值 df.isnull().all() 用来判断某列是否全部为空值
（11）按日期datetime排序
Date,Last 2016-12-30,1.05550 2016-12-29,1.05275 2016-12-28,1.04610 2016-12-27,1.05015 2016-12-23,1.05005 df = pd.read_csv('data',sep=',') print (df.head()) Date Last 0 2016-12-30 1.05550 1 2016-12-29 1.05275 2 2016-12-28 1.04610 3 2016-12-27 1.05015 4 2016-12-23 1.05005 df = df.sort_values(by = 'Date') Date Last 4 2016-12-23 1.05005 3 2016-12-27 1.05015 2 2016-12-28 1.04610 1 2016-12-29 1.05275 0 2016-12-30 1.05550 df.reset_index(inplace=True) del df['index'] print (df.head()) Date Last 0 2016-12-23 1.05005 1 2016-12-27 1.05015 2 2016-12-28 1.04610 3 2016-12-29 1.05275 4 2016-12-30 1.05550
（12）删除满足某条件的行
df_clear = df.drop(df[df['x']<0.01].index) # 也可以使用多个条件 df_clear = df.drop(df[(df['x']<0.01) | (df['x']>10)].index) #删除x小于0.01或大于10的行
