pandas 数据结构与基础功能

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 ...

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

二、DataFrame（数据框）对象

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

pandas 数据结构与基础功能相关推荐

最新文章

热门文章