pandas 数据结构与基础功能
pandas 数据结构与基础功能
目录
一、series 对象
1、生成
2、切片
3、series类型的转换
二、DataFrame(数据框)对象
1、生成
2、导入外部文件
3、查看数据框信息
4、数据框对象的索引和切片
5、删除和新增
6、数据框修改列名
7、数据框对象的导出
一、series 对象
1、生成
import pandas as pd
import numpy as nppd.Series([1,2,‘a’]) # Series 中 首字母s要大写
0 1
1 2
2 a
dtype: object # 和数组对比,它不会转换数据类型,默认是object
2、切片
# 一般索引
c = pd.Series(np.random.rand(10)) #随机生成一列数据
c
c[0:8:2] #0-8是范围(左闭右开),2是步长
# 重命名索引
d=pd.Series(np.random.rand(5),index=list('abcde')) # 重新命名索引为‘abcde’
d
d['a':'c'] # 当使用重新命名的索引切片,这时候切片的右边也是包含的
# 布尔索引
d[d>0.2] #索引时,中括号中可以是具体的值,也可以是判断条件
3、series类型的转换
# astype 方法 数据类型转换
a = pd.Series(['1','2','a'])
a.astype(np.float,errors='ignore')
astype 方法需要注意errors参数, 这个参数有两个可能取值,一个是"raise",一个是"ignore"。 raise的意思是如果在转化过程中出现错误, 则抛出一个错误提示,并停止程序执行。 "ignore"的意思是如果在转化过程中出现错误,则忽略这个错误, 对出错的单元格保持原来的类型,只对没有出现错误的单元格进行转换。 因此如果出现转化错误,则这个series的类型为object。
# pd.to_numeric 方法 数据类型转换
pd.to_numeric(a,errors='coerce') # errors 这个参数有三个可能取值,分别是'ignore', 'raise', 'coerce'(强迫), 默认的取值是 'raise'.
# map 方法 不会改变原有数据
a=pd.Series(["1","2","a"])
def f1(x):try:v=float(x)except:v=np.nanreturn v
a.map(f1)
0 1.0
1 2.0
2 NaN
dtype: float64 # 转换成浮点型
# map 计算
b = pd.Series([1,2,3])
b.map(lambda x:x+2)
Out[21]:
0 3
1 4
2 5
dtype: int64
二、DataFrame(数据框)对象
1、生成
#数据框可以用colunmns函数重命名列
data1=pd.DataFrame(np.random.rand(5,3),columns=(['a','b','c']))
data1
2、导入外部文件
# 导入文件和工作文件在一个文件夹省略地址,直接写文件名
pd.read_csv('D:/数分学习资料/python/数据清洗/pandas/individual1.csv',encoding='GBK')
3、查看数据框信息
a.info() # 查看数据框a 的基本信息
a.head(3) # 查看数据框a前三行
a.tail(3) # 查看数据框a后三行
a.shape # 返回维度
a.columns # 返回所有变量的名字
a.index # 返回索引值
a.values # 返回具体的元素,数组形式
a.T # 数据框对象的转置
4、数据框对象的索引和切片
#切取列
data1['a'] # a为列名,以下都为列名
data1.a # 列名字为字符串可以用这个方法,数值就不行
data1[['a','c']] # 切取两列
# 切取行
data1[0:1] # 切取行必须用冒号,左包含右不包含,列名和行名不参与切片
# loc 方法 :显式索引 可同时切行和列
data1.loc[:,'x1':'x2'] # 切取x1和x2两列
data1.loc[['a','b'],['x1','x2']] # 切取a,b两行和x1、x2两列# iloc 隐式索引
data2.iloc[0:2,0:1] # 左包含右不包含# ix 方法 显式和隐式
data2.ix[0:2,'x1':'x2']
#布尔索引
data1[data1.x1>0.5] # 返回x1中大于0.5的行
data1[(data1['x1']>0.5) | (data1['x2']<0.5)] #返回x1中大于0.5和x2中小于0.5的行
5、删除和新增
# 删除列
data1.pop('x3') # 当删除对象不存在就会报错
data1.drop(columns=['x2'],axis=1,inplace=False) # 删除列时,输入axis=1,删除行时,输入axis=0
#新增列
data1['z1']=10 # 新增z1列,值为10
data1["z2"]=data1["x2"]**2
data1['x2'].rank(method='first',ascending=False) #method参数用来设置遇到相同值的时候如何计算秩
# 生成一列并降序排序,ascending 默认为升序 ,=false就是降序# map 方法
data1['z3']=data1['x2'].map(lambda x:x**2) # apply 方法
data1.apply(lambda x:max(x.x2,x.x3),axis=1) #新增一列,新增列取x2和x3中的较大值做为元素
axis=1,生成列,axis=0 ,生成行# applymap 方法
data1=pd.DataFrame(np.random.randint(3,6,(3,2)),columns=['x1','x2'])
data1.applymap(lambda x:x+2)
6、数据框修改列名
#rename 方法
data1=pd.DataFrame(np.random.rand(4,3),columns=['x1','x2','x3']) # 随机生成一个数据框
data1.rename(columns={"x1":"z1","x2":"z2"}) # 修改列名,x1→z1,x2→z2
7、数据框对象的导出
data1.to_csv('test.csv',index=False) #index=False,索引列不会显示
pandas 数据结构与基础功能相关推荐
- dataframe一列按长度补0_Pandas中Series和DataFrame基础功能详解
作者:Zarten知乎专栏:python数据分析与挖掘深入详解知乎ID: Zarten简介: 互联网一线工作者,尊重原创并欢迎评论留言指出不足之处,也希望多些关注和点赞是给作者最好的鼓励 ! 概述 这 ...
- Pandas数据结构
Pandas数据结构 "一维数组"Serise Series "系列" Series 数据结构 Series 是带有标签的一维数组,可以保存任何数据类型(整数, ...
- pandas 入门(pandas 数据结构介绍)
pandas 数据结构介绍 一.pandas 基础数据结构 1.pandas 中主要有两种数据结构:Series 和 DataFrame. 2.Series:一种一维的数组型对象,它包含了一个值序列( ...
- Go语言实战之数组的内部实现和基础功能
写在前面 嗯,学习GO,所以有了这篇文章 博文内容为<GO语言实战>读书笔记之一 主要涉及数组相关知识 世上除了爹娘,再没有人是理所应当对你好的. --烽火戏诸侯<剑来> 数组 ...
- 【数据结构】基础:二叉树
[数据结构]基础:二叉树基础 摘要:本文将会介绍二叉树的基础内容,首先引入树的概念,了解树的基本概念与性质,再对二叉树的概念和性质进行分析,最后对其方法进行实现,最重要的是理解对于二叉树方法实现的分治 ...
- 【pandas数据分析】pandas数据结构
文章目录 Series 创建Series 从dict创建 从ndarray创建 从标量创建 Series的特性 类ndarray 类dict 向量化操作与标签对齐 名称属性 DataFrame 创建D ...
- 服务器开发系列(三)——Linux与Windows操作系统基础功能对比
系列文章目录 服务器开发系列(一)--计算机硬件 服务器开发系列(二)--Jetson Xavier NX 文章目录 系列文章目录 前言 一.操作系统概述 二.Linux和Windows的应用场景 三 ...
- PySpark数据分析基础:PySpark基础功能及DataFrame操作基础语法详解
目录 前言 一.PySpark基础功能 1.Spark SQL 和DataFrame 2.Pandas API on Spark 3.Streaming 4.MLBase/MLlib 5.Spark ...
- Python-Pandas{数据结构与基本功能}
Pands Series 手动构建Series Series的索引和切片 按照字典的方式进行索引和切片 增加数据和删除数据 小练习: 广播的方法进行计算 DataFrame DataFrame的创建 ...
- python数据分析包pandas论文_python数据分析pandas包入门学习(一)pandas数据结构介绍...
本文参考<利用python进行数据分析>的第五章 pandas入门python 1 pandas数据结构介绍 pandas有两种主要的数据结构:series和DataFrame Serie ...
最新文章
- GAN——UNIT简单梳理
- 关于oracle中to_char和to_date的用法
- IDEA中找不到maven插件Plugin ‘org.apache.tomcat.maven:tomcat7-maven-plugin:2.2‘ not found
- 进程间通信 - 命名管道实现
- html输入框只能输入几个,input 两个input框只能允许同时输入一个
- nodejs 之 nvm和pm2
- python打印字节流_java打印流的输出使用
- volume image
- vue+ 高德地图 热力图
- CARBON X1 安装 chrome os
- 1960-2018年世界各国GDP排名变化--Python动图实现
- android 应用变量,真正免root的应用变量详细使用教程
- 电脑如何录屏?分享4个屏幕录制的好方法,建议收藏
- 正常人小气道上皮细胞 Small airway epithelial cells
- Android测试——(下篇)
- 浏览器插件:脚本注入插件Tampermonkey(油猴)
- Windows10创建还原点备份系统(解决类似网络重置网卡错误代码56问题!!!)
- Git 各指令的本质,真的是通俗易懂!
- Python爬虫简单运用爬取代理IP
- 关于游戏陪玩系统源码后台管理系统前端项目的思考