1 修改属性
1.1 修改1列的类型属性：
df['总金额'] = pd.to_numeric(df['总金额']) #转变dataframe的1列为数值型
1.2 多列设为数值型：(使用DataFrame.apply处理每一列)
df[['col2','col3']] = df[['col2','col3']].apply(pd.to_numeric)
多列格式指定为字符串型式：
df[['首封', '终封']] = df[['首封', '终封']].astype(str)
打开文件时，指定某列为字符型：
df = pd.DataFrame(pd.read_excel('短线宝.xls',converters={'代码':str})) 指定多列为字符型：
df = pd.DataFrame(pd.read_excel('短线宝.xls',converters={'代码':str,'上市天数':str})) 将所有数据转换为字符串：
dataframe=dataframe.astype(str)
将多列分别指定类型：
data = data.astype({'outcome':'float','age':'int'})1.3 整个DataFrame设为数值型：
df.apply(pd.to_numeric, errors='ignore') #可以转换为数字类型的列将被转换，而不能(例如，它们包含非数字字符串或日期)的列将被单独保留。
2 修改某列数值：
df['流通市值'] = round(df['流通市值']/100000000,2)
3 dataframe数据筛选后求和：
df1 = df[(df['age']>10) & (df['age']<30)]['profit'].sum()
4 直接指定各列名称：
df.columns = ['股票简称','涨幅%','股票代码','现价'...]
5 改变列顺序：
order = ['股票代码','股票简称',....'] df = df[order]
6 删除指定多列：
x = [4,7,10,11,12,13,15] #列的序号，从0开始 df.drop(df.columns[x], axis=1, inplace=True)
7 总行数、总列数：
Rows = df.shape[0] #行数Cols = df.shape[1] #列数
8 求某列最大值：
df_max = max(df['连板'])
9 去除1列中的空格：
df['流通市值'] = df['流通市值'].str.strip(); #去除1列中的空格
10 将list类型转换为string类型：
text= ' '.join(map(str,list))
11 数值修改及替换
Python中使用replace函数实现数据替换。
数据表中city字段上海存在两种写法，分别为shanghai和SH。
我们使用replace函数对SH进行替换。
df['city'].replace('SH', 'shanghai')12 数据表合并
首先是对不同的数据表进行合并，我们这里创建一个新的数据表df1，并将df和df1两个数据表进行合并。
在Python中可以通过merge函数一次性实现。
下面建立df1数据表，用于和df数据表进行合并。
使用merge函数对两个数据表进行合并，合并的方式为inner，将两个数据表中共有的数据匹配到一起生成新的数据表。并命名为df_inner。
13 设置索引列
完成数据表的合并后，我们对df_inner数据表设置索引列，索引列的功能很多，可以进行数据提取，汇总，也可以进行数据筛选等。
设置索引的函数为set_index.
14 删除某列包含特定字符的行
（为防止该列某行为空值而报错，应先填充，再一并删除）
#先填充空值行,为方便一并删除，填上'STST'
df['名称'].isnull().value_counts() #先查找
df['名称'] = df['名称'].fillna('STST') #再填充#再去除STdf_ST = df[df['名称'].str.contains("ST")] #含有特定字符的行
df = df[-df['名称'].str.contains("ST")] #去除特定字符的行以后的新数据删除某列的特定字符串：
df['短线主题'] = df['短线主题'].str.replace('概念','')15 向DataFrame添加数据
df = df.append(df1) #添加
16 统计一共有多少种
con_num = len(set(df['概念板块'])) #统计“概念板块”这1列一共有多少种概念。
17 设备索引字段
df = df.set_index('member_id')18 两列合并，且添加分隔符
df['概念'] = df['概念板块'].str.cat(df['所属概念'],sep=';')
多列合并：
df['address'] = df['country']+df['province']+df['city']
如果某一列是非str类型的数据，那么我们需要用到map(str)将那一列数据类型做转换：
df["newColumn"] = df["age"].map(str) + df["phone"] + df["address”]
19 从一个Dataframe中减去一部分
df3 = df1.drop(labels=df2.axes[0]) #df2是df1的子集
20 指定列去重
df = df.drop_duplicates(['板块'])
21 一列合并为一个文本
text= ("".join(i for i in df['所属概念'])) 22 去掉列首、尾数字
#去掉首位数字——只去掉1位
df['涨停原因'] = df['涨停原因'].str.replace('^[0-9]','')
#去掉末位数字
df['涨停原因'] = df['涨停原因'].str.replace('[0-9]$','')