1 # 利用pandas读取文件，数据类型为DataFrame； 若需指定分隔符使用sep='',默认',',只能单个字符；
2 data = pd.read_csv(datafile, header=None, usecols=[0, 1, 3, 5, 6, 15])
3 # header指示列标签位置所在行号，默认第一行； nrows指定读取文件前n列
4 
5 # 指定列标签名，通常配合header=None使用
6 data.columns = ['start', 'end', 'taskId', 'cpu_uti', 'memory', 'CPI']
7 
8 # 删除指定列存在空值的 所在行
9 data.dropna(subset=['CPI'], inplace=True)  # 删除存在空值的行

1 # 此法输出分隔符只能用单个字符，同样用sep标签
2 data.to_csv('filtedData', index=False, header=False)
3 # index, header=False表示不输出行号和列表签名
4 
5 # 此法分隔符可用多个字符，使用numpy模块，delimiter标签
6 # fmt标签指定输出每个数据的格式
7 fmt = '%d', '%d', '%d', '%.1f', '%d', '%f', '%f', '%d', '%d'
8 np.savetxt('filtedData', data.values, delimiter=', ', fmt=fmt)

 1 # 取数
 2 data.loc[x, y]
 3 
 4 # 新增一列
 5 # 可用其余列做运算得到新列，或复制，或直接赋值
 6 data.loc[:, 'size'] = (data.loc[:, 'end'] - data.loc[:, 'start']) / data.loc[:, 'CPI'] / 1e3
 7 data.loc[:, 'mobileId'] = [random.randint(0, 9) for x in range(Num)]       # mobileId随机生成
 8 data['taskType'] = 0
 9 data['uploadSize'] = data['size']
10 
11 #删除多余列
12 data.drop(labels=['end', 'CPI'], axis=1, inplace=True)
13 # inplace=True表示对原数据保存修改
14 
15 # 列重排，换位置
16 data = data[['mobileId', 'taskId', 'taskType', 'start', 'size', 'memory', 'cpu_uti', 'uploadSize', 'downloadSize']]