day6--pandas

pandas–数据分析处理库
pandas是基于numpy构建的，为时间序列分析提供了很好的支持。pandas中有两个主要的数据结构，一个是Series，另一个是DataFrame。

导入pandas库，打开csv文件
import pandas
food_info = pandas.read_csv(“food_info.csv”)
print(type(food_info)) —<class ‘pandas.core.frame.DataFrame’> #查看文件的格式
#print(food_info.dtypes) #查看每一列数据的格式
使用函数head( m )来读取前m条数据，如果没有参数m，默认读取前五条数据；由于DataFrame包含了很多的行和列，Pandas使用省略号（…）来代替显示全部的行和列，可以使用colums属性来显示全部的列名；与Numpy一样，用shape属性来显示数据的格式。
tail(n)-----读取数据后n行
shape-----显示当前有多少样本，以及样本有多少个指标（列）
first_rows = food_info.head()
print(first_rows)
print(food_info.head(3))
print(food_info.columns)
print(food_info.shape)
Pandas使用loc[]方法来选择行的数据（当超出索引值，将报错）
print(food_info.loc[0]) #取第一个数据
print(food_info.loc[6]) #取第七个数据
print(food_info.loc[8620]) #报错
#object - For string values object----在pandas中就是string类型
#int - For integer values
#float - For float values
#datetime - For time values
#bool - For Boolean values
print(food_info.dtypes) #输出所有列的字符类型
返回一个DataFrame，其中包含索引3、4、5和6处的行。
print(food_info.loc[3:6]) #取第3,4,5,6行数据

返回一个DataFrame，其中包含索引2、5和10处的行（两个方法可以实现）
方法一：two_five_ten = [2,5,10]
print(food_info.loc[two_five_ten])
方法二：two_five_ten = [2,5,10]
print(food_info.loc[[2,5,10]])
表示“NDB_No”列的Series对象
ndb_col = food_info[“NDB_No”]
print(ndb_col)
或者，可以通过传入字符串变量来访问列。
col_name = “NDB_No”
ndb_col = food_info[col_name]
print(ndb_col)
取指定两列的值
columns = [“Zinc_(mg)”, “Copper_(mg)”]
zinc_copper = food_info[columns]
print(zinc_copper)

或者这样也可以实现
zinc_copper = food_info[[“Zinc_(mg)”, “Copper_(mg)”]]
print(zinc_copper)

可以使用tolist()函数转化为list
print(food_info.columns) #输出所有列
print(food_info.head(2)) #输出前两行

col_names = food_info.columns.tolist() #输出所有列
print(col_names)
输出所有以g结尾的列的前三行
gram_columns = []

day6--pandas相关推荐

机器学习-数据科学库-day6
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档机器学习-数据科学库-day6 pandas学习动手练习 pandas中的时间序列生成一段时间范围关于频率的更多缩写在Data ...
python学习_day7---数据分析matplotlib+pandas
文章目录一.matplotlib 1.柱状图 2.直方图 3.饼状图 4.雷达图二.pandas 1.DataFrame 1>DataFrame的创建 2>Datafram的属性 2. ...
Pandas 使用入门
Pandas 简介运行环境 jupyter notebook python 3.6 pandas '0.20.3' matplotlib '2.1.0' 学习目标: * 大致了解 pandas 库的 ...
modin pandas 加速
20211203 https://blog.csdn.net/BF02jgtRS00XKtCx/article/details/108988757 利用swifter加速apply Modin是一个P ...
利用pandas读写HDF5文件
一.简介 HDF5(Hierarchical Data Formal)是用于存储大规模数值数据的较为理想的存储格式,文件后缀名为h5,存储读取速度非常快,且可在文件内部按照明确的层次存储数据,同一个H ...
pandas dataframe 删除带空值的行各种空值 (dropna()、isna()、isnull()、fillna())
假设拿到一个10万行的数据后,通过isnull我们发现某列有几个空值,要把该列空值所在行删除怎么操作?用dropna()会删除所有有空值的行,请看下面实例. 区分 None,null,NULL,nan ...
pandas以前笔记
# -*- coding: utf-8 -*- """ Created on Sat Jul 21 20:06:20 2018@author: heimi "& ...
pandas dataframe 字符映射为数字
在机器学习中对于有序的类别型变量可以不采用onehot编码,直接使用有序数字代替即可,这个目的可以在pandas中使用map方法实现. import pandas as pd 创建数据框 raw_da ...
pandas如何读取一个文件夹下的所有文件
from os import walk import pandas as pd dataframe_list = [] #walk会返回3个参数,分别是路径,目录list,文件list,你可以按需修改 ...
python pandas 如何找到NaN、缺失值或者某些元素的索引名称以及位置，np.where的使用
我们在处理数据的时候,经常需要检查数据的质量,也需要知道出问题的数据在哪个位置.我找了很久,也尝试了很多办法,都没能找到一种非常直接的函数,本文所要介绍的是一种我认为比较方便的方法:np.where( ...

day6--pandas

day6--pandas相关推荐

最新文章

热门文章