开启成长之旅!这是我参与「日新计划 12 月更文应战」的第27天,点击检查活动概况
目录
一、Pandas库
二、Pandas库数据结构——Series, DataFrame
1.Series——索引 index,值 values
2.DataFrame——索引index, columns,值 values
正在上传…从头上传取消
指定或修正索引办法
创立时:
创立后:
三、Series, DataFrame运算
1.根本运算
3.根本核算办法 axis指定操作轴
四、Series, DataFrame 索引与切片
1.Series 索引与切片 Index索引/数字索引/布尔值索引
2.DataFrame 索引与切片
五、Series, DataFrame 删去操作
1.Series删去操作 pop/drop/del
2.DataFrame删去操作 pop/drop/del
六、Series, DataFrame 兼并操作
1.Series兼并操作
2.DataFrame兼并操作
七、Pandas库其他常用函数或办法
一、Pandas库
import numpy as np
import pandas as pd
二、Pandas库数据结构——Series, DataFrame
a = pd.Series([1, 2, 3, 4, 5])
修正
data = np.array([[95, 96, 97], [80, 85, 86], [56, 65, 70]])
frame = pd.DataFrame(data)
frame
修正
我们不难看出来Series, DataFrame的差异:DataFrame更加美观哈哈,接受矩阵数据
具体见:
pandas中的两种数据类型Series和DataFrame差异_jolingcome的博客-CSDN博客_series和dataframe差异
1.Series——索引 index,值 values
a = pd.Series([1, 2, 3, 4, 5], index = ['a', 'b', 'c', 'd', 'e'])
a
修正
2.DataFrame——索引index, columns,值 values
frame = pd.DataFrame(data, index=['xiaoming', 'xiaohong', 'xiaohei'],
columns=['yuwen', 'yingyu', 'shuxue'])
frame
修正
指定或修正索引办法
创立时:
index, columns 指定索引,已经有索引可以按索引从头排序
创立后:
reindex办法,从头建立索引或指定索引排序
rename 修正索引
frame_.rename(index={"xiaohong":"damao","xiaoming":"ermao","xiaohei":"Nicolas Cage"},
columns={"yingyu":"English", "yuwen":"Literature", "shuxue":"Maths"})
Series.index = []
DataFrame.columns = []
三、Series, DataFrame运算
1.根本运算
按照索引位置进行核算
data = {"English":[80,70,60],
"Literature":[70,70,85],
"Maths":[80,90,50],
"Music":["A","B","C"]}
df = pd.DataFrame(data,index = ["alpha", "beta","theta"])
df * 2
修正
DataFrame、Series “相加”时,按照DF的columns(列)进行匹配
data1 = {"English":[80,70,60],
"Literature":[70,70,85],
"Maths":[80,90,50],}
df1 = pd.DataFrame(data1,index = ["alpha", "beta","theta"])
add_ = {'Maths':10,'English':10,'Literature':20,'Gym':"A"}
add_ = pd.Series(add_)
df1 + add_
修正
2.矩阵运算、通用函数
df.T
修正
3.根本核算办法
检查数据的一些
df.describe()
修正
四、Series, DataFrame 索引与切片
1.Series 索引与切片 Index索引/数字索引/布尔值索引
add_ = {'Maths':10,'English':10,'Literature':20,'Gym':"A"}
add_ = pd.Series(add_)
add_['Maths']
修正
2.DataFrame 索引与切片
Index索引 列:df['Maths'] 行:df.loc[‘alpha’]
数字索引 df.iloc[] 特别的行可以直接用数字切片索引
布尔值索引
五、Series, DataFrame 删去操作
1.Series删去操作 pop/drop/del
① del办法:就地删去
x = pd.Series([10,23,31,16],index=list("abcd"))
display(x)
# 删去了某个索引后,对应的值也就删去了
del x["b"]
display(x)
修正
② drop办法:当指定了inplace=True后,才归于就地删去
x = pd.Series([10,23,31,16],index=list("abcd"))
display(x)
y = x.drop("a")
display(y)
dispaly(x)
# 当指定了inplace=True后,归于就地删去
x.drop("a",inplace=True)
display(x)
修正
2.DataFrame删去操作 pop/drop/del
和 Series删去操作 pop/drop/del 类同的,聪明的你可以想想
六、Series, DataFrame 兼并操作
一般我们用到什么办法就去检查该办法的参数
1.Series兼并操作
pd.concat() combine_first()
2.DataFrame兼并操作
pd.concat() combine_first()
pd.merge() join()
七、Pandas库其他常用函数或办法
head() info() describe()
sort_index() sort_values()
is_unique value_counts()
rank()
具体可见pandas中Series,DataFrame的衔接(拼接)_晓东邪的博客-CSDN博客_pandas series 拼接