python frame用法_python—dataframe用法
#行处理
#df.iloc[1] 行索引号——获取行
#df.iloc[0,1] 行列索引号——获取一个元素
#df.iloc[[0,1]] 双括号默认都是行索引号——获取n行
#df.iloc[0:2,1:3] 行列索引号——获取区域元素
#df.loc["A"] 行名称——获取行
#df.loc["A","c1"] 行列名称——获取一个元素
#df.loc[["A","B"]] 双括号默认都是行名称号——获取n行
#df.loc["A":"B","c1":"c2"] 行列名称——获取区域元素
#列处理
#df["c2"] 列名称——获取列
#df[["c1","c2"] 列名称——获取n列
#修改某一值
#df.iloc[0,1] = 2
#df.loc["A","c1"] =2
#修改某一行信息 map与apply 当apply中axis=0时表示行
#df.loc["A"]=df.loc["A"].map(lambda x:x*2) -- A行信息数*2
#df.iloc[1]=df.iloc[1].map(lambda x:x*2) -- 索引号1,行信息数*2
#df.loc['A'] = df.apply(lambda x: x['B'] + 2 * x['C'], axis=0)
#修改某一列信息 map与apply 当apply中axis=1时表示列
#df["c1"]=df["c1"].map(lambda x:x*2) -- c1列信息数*2
#df['c3'] = df.apply(lambda x: x['c1'] + 2 * x['c2'], axis=1)
#map、apply,mapapply比较
#apply对DataFrame的数据进行按行或按列操作,axis=0时表示行,axis=1时表示列,可添加min与max
#apply运用到Series中,执行的是对每个元素的运算
#applymap自动对DataFrame每一个元素进行处理,不能添加统计函数比如min与max
#map 是对 行、列,series 等 进行每个元素的单独操作,不能添加统计函数比如min与max
#某列值为**显示此列
#df[df['c1']==9] -- 列c1值为9的行
import numpy as np
import pandas as pd
a=np.random.randint(5,10,size=(5,5))
df = pd.DataFrame(a,index=["A","B","C","D","E"],columns=['c1', 'c2', 'c3', 'c4', 'c5'])
#print(type(df))
print(df)
'''
#iloc 按照索引号切片取信息左闭右开
df1=df.iloc[0:2,1:3]
print(df1)
#loc 按照行列名称取信息
df2=df.loc["A":"B","c2":"c3"]
print(df2)
#列索引
print(df['c2'])
# 返回前n行
print(df.head(2))
# 返回后n行
print(df.tail(2))
# 按照行列名称取信息,n个注意用【 】扩起
df3 = df[["c2","c3"]]
print(df3)
#修改某一数据
df.iloc[1,2]="apple"
print(df)
#修改列数据 使用map方法,其中lambda函数中x代表当前的列
#df['c2'] = df['c2'].map(lambda x: x**2)
#print(df)
#修改行数据
df.iloc[1]=df.iloc[1].map(lambda x:x*2)
#修改多列数据 apply方法 c3=c1+2*c2
df['c3'] = df.apply(lambda x: x['c1'] + 2 * x['c2'], axis=1)
#排序
print(df['c2'].sort_values(ascending=False))
#apply使用统计函数
df1=df.apply(lambda x: x.max()-x.min())
#print(df)
#增加列数据
df["c6"]=[1,2,3,4,5]
print(df)
#某列数值等于**显示此列
print(df[df['c1']==9])
'''
python frame用法_python—dataframe用法相关推荐
- python except作用_python except 用法
except: #捕获所有异常 except: : #捕获指定异常 except: except:,:捕获指定异常及其附加的数据 except:::捕获异常名1或者异常名2,及附加的数据库 常用异常名 ...
- python 切片用法_Python切片用法实例教程
本文以实例形式讲述了Python中切片操作的用法,分享给大家供大家参考借鉴,具体如下: 取一个list或tuple的部分元素是非常常见的操作.比如,一个list如下: >>> L = ...
- python所有函数用法_python函数用法总结
空函数 如果想定义一个什么事也不做的空函数,可以用pass语句: def nop(): pass pass语句什么都不做,那有什么用?实际上pass可以用来作为占位符,比如现在还没想好怎么写函数的代码 ...
- python raise函数_Python raise用法
有读者可能会问,编写代码时能否手动抛出一个异常吗?答案是肯定的,Python 允许程序自行引发异常,使用 raise 语句即可. 异常是一种很"主观"的说法,以下雨为例,假设大家约 ...
- set python用法_Python set()用法及代码示例
集合(Set)是由不同语言组成的序列的数学术语,Python也对其语言进行了扩展,并且可以使用set()轻松制作. set()方法用于将任何可迭代元素转换为可迭代元素的不同元素和排序序列,通常称为Se ...
- python zip用法_Python zip()用法及代码示例
zip()的目的是映射多个容器的相似索引,以便可以将它们用作单个实体使用. 用法: zip(*iterators) 参数: Python iterables or containers ( list, ...
- python代码范文_Python any()用法及代码示例
any()函数是Python中的内置函数,如果给定可迭代的任何元素(列表,字典,元组,集合等)为True,则返回true,否则返回False. 用法:any(iterable) 参数:可迭代:它是一个 ...
- python break函数用法_Python break用法详解
Python 语言没有提供 goto 语句来控制程序的跳转,这种做法虽然提高了程序流程控制的可读性,但降低了灵活性.为了弥补这种不足,Python 提供了 continue 和 break 来控制循环 ...
- python panda用法_Python Pandas用法入门
简介 首先pandas是基于numpy进行开发的. Pandas 的主要数据结构是 Series(一维数据)与 DataFrame(二维数据),这两种数据结构足以处理金融.统计.社会科学.工程等领域里 ...
最新文章
- python正则表达式排除字符_利用正则表达式排除特定字符串
- 工业机器人调运角度_工业机器人如何精准选型,这九大参数告诉你!
- 哦!数组还能这么用,学到了!
- pandas最常用的几个功能,随时翻阅就差不多弄懂了pandas的75%左右
- mt4代理服务器存放文件,mt4如何保存设置好的指标?
- 常见的四种硬盘接口介绍
- Linux Syslog日志服务器的搭建
- 高数-----两个重要的极限
- 如果redis没有设置expire,是否默认永不过期?
- 潮汕地区1-潮州观感
- 【每日早报】2019/11/01
- CVPR2020-对偶回归与SISR | Closed-loop Matters:Dual Regression Networks for Single Image Super-Resolution
- diqu地区市的wheel样式
- 快速排序两种最基本思路
- 获取网页链接,比正则表达式更灵活更大众化.
- 是谁在为加速网络智能化落地打造开放、融合、端到端平台?
- html页面播放rtsp流媒体
- IBM小型机日常维护命令
- 计算机文档教案范文,优秀计算机教案模板.doc
- 【机器学习】用QR分解求最小二乘法的最优闭式解
热门文章
- ASP.NET Core 运行原理解剖[3]:Middleware-请求管道的构成
- 云计算设计模式(一)缓存预留模式
- 如果你也会C#,那不妨了解下F#(6):面向对象编程之“类”
- sql将html转成excel,使用SQL*PLUS,构建完美excel或html输出
- Android之RxPermissions用kotlin写没反应
- 贪心算法之用优先队列解决最短路径问题(Dijkstra算法)
- C和指针之字符串总结
- linux下使用pidcat找bug
- 3%7python_Centos7 Python2 升级到Python3
- makefile运行_NVDIA TX2入门 系列之三:运行Yolov3