Python pandas
pandas 有自己的格式,总结起来
有以下共通点
1.函数,比如格式的series,DataFrame,或者numpy后面跟的数据函数,例如exp,arange,后面肯定是跟的()
2.数据,series,frame,dict,指定行列,赋值调取数据,后面跟的是【】
3.series 格式比较固定,一部分是index,另一部分是value.obj2= Series([4,7,-5,3],index=['d','b','a','c'])
4.frame 同样,分三部分, data,columns,index,
frame2= DataFrame(data,columns=['year','state','pop','debt'],index=['one','two','three','four','five'])
没有数据的都用NAN补充
5.一般的基本的数据层级为pop={'Nevada':{2001:2.4,2002:2.9},'Ohio':{2000:1.5,2001:1.7,2002:3.6}} {E:{A:B,C:D},F:{A:B,C:D}}
6.转置 frame3.T
7.获取data.
'''get value by columns
frame2['state']
'''get value by index
frame2.ix['three']
from pandas import Series,DataFrameimport pandas as pd'''index obj2= Series([4,7,-5,3],index=['d','b','a','c'])obj2.valuesobj2.index obj2['a']obj2['c'] obj2['d'] = 6obj2[['c','d','a']] obj2obj2[obj2>0]obj2*2import numpy as npnp.exp(obj2) ''' dict'b' in obj2'e' in obj2 data = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}obj3 = Series(data) obj3 '''passing a dictstates = ['California','Ohio','Oregon','Texas']obj4 = Series(data,index=states) '''missing datapd.isnull(obj4)pd.notnull(obj4) '''auto align indexobj3obj4obj3+obj4 '''name and renameobj4.name = 'population'obj4.index.name = 'state' obj4 obj2.index=['Bob','Helen','Jeff','Ryan'] '''dataframe,by default by name orderdata={'state':['Ohio','Ohio','Ohio','Nevada','Nevada'],'year':[2000,2001,2002,2001,2002],'pop':[1.5,1.7,3.6,2.4,2.9]} frame = DataFrame(data) '''order by special order DataFrame(data,columns =['year','state','pop']) ''' add one column and indexframe2= DataFrame(data,columns=['year','state','pop','debt'],index=['one','two','three','four','five']) frame2.columns '''get value by columnsframe2['state']'''get value by indexframe2.ix['three'] '''assignment by indexframe2['debt'] = 16.5frame2['debt'] = np.arange(5.) val = Series([-1.2,-1.5,-1.7],index=['two','four','five'])frame2['debt'] = val '''del columnsframe2['eastern'] = frame2.state == 'Ohio'del frame2['eastern'] '''nest dictpop={'Nevada':{2001:2.4,2002:2.9},'Ohio':{2000:1.5,2001:1.7,2002:3.6}} frame3=DataFrame(pop) '''transpose the frame frame3.T '''index changes different with seriesDataFrame(pop,index=[2001,2002,2003])'''dataframe get valuepdata = {'Ohio':frame3['Ohio'][:-1], 'Nevada':frame3['Nevada'][:2]} DataFrame(pdata) '''data frame index and column name attributeframe3.index.name = 'year';frame3.columns.name = 'state'frame3
转载于:https://www.cnblogs.com/wutongyuhou/p/6837523.html
Python pandas相关推荐
- python pandas库读取excel/csv中指定行或列数据详解
通过阅读表格,可以发现Pandas中提供了非常丰富的数据读写方法,下面这篇文章主要给大家介绍了关于python利用pandas库读取excel/csv中指定行或列数据的相关资料,需要的朋友可以参考下 ...
- Python pandas用法
Python pandas用法 无味之味关注 12019.01.10 15:43:25字数 2,877阅读 91,914 介绍 在Python中,pandas是基于NumPy数组构建的,使数据预处理. ...
- python pandas 独热编码
python pandas 独热编码 import pandas as pd df1 = pd.DataFrame({'姓名': ['周', '武', '郑'],'成绩': [100, 96, 77] ...
- python pandas 读写 csv 文件
python pandas 读写 csv 文件 具体看官方文档 https://www.pypandas.cn/docs/user_guide/io.html#csv-文本文件 import pand ...
- python pandas DataFrame 替换 NaN 值 和 删除 NaN 所在的行。
python pandas DataFrame 替换 NaN 值 和 删除 NaN 所在的行. import pandas as pd import numpy as np df1 = pd.Data ...
- python pandas DataFrame 查找NaN所在的位置
python pandas DataFrame 查找 NaN 所在的位置 import pandas as pd import numpy as np df1 = pd.DataFrame({'日期' ...
- python pandas dataframe 列 转换为离散值
python pandas dataframe 列 转换为离散值 import pandas as pd import numpy as np df1 = pd.DataFrame({'日期': [' ...
- python pandas DataFrame 排序
python pandas DataFrame 排序 import pandas as pd import numpy as np df1 = pd.DataFrame({'日期': ['2021-7 ...
- python pandas DataFrame 字符串转日期格式
python pandas DataFrame 字符串转日期格式 import pandas as pd import numpy as np df1 = pd.DataFrame({'日期': [' ...
- python pandas DataFrame 数据替换
python pandas DataFrame 替换 import pandas as pd import numpy as np df1 = pd.DataFrame({'日期': ['2021-7 ...
最新文章
- git branch 为什么会进入编辑状态_gitamp;github(总结git与github的基本用法)
- Java高并发编程:HandlerThread
- 外部排序---置换选择+败者树
- BUUCTF-Reverse:reverse1
- xcopy复制文件夹及其子文件_嗨学习:如何给电脑中文件夹设置密码
- hightmaps 按地图上显示的统计数据
- php导入excel源码,利用PHPExcel类库,实现PHP导出导入Excel表格Excel文件!
- 2017.9.30 物流运输 思考记录
- 正则表达式的三种模式【贪婪、勉强、侵占】的分析
- 网络加速 java_快速入门之:使用 dragonite forwarder 加速 Shadowsocks 连接
- GCD异步加载网络图片
- 新物种!大数据安全工程研究中心告诉你什么叫“数据安全成熟度测评师”
- ORG LegacyCell for Mac - MS-20/Polysix音频合成器
- HDU 3790最短路径问题 [最短路最小花费]
- lin接口 连接计算机,db9接口(lin接口db9定义)
- vs2015-devexpress 安装
- AltRun调用cmd并刷新DNS
- 网页复制文字要收费怎么复制
- 练习java文档ZoneId
- 使用OM-UI快速搭建系统前台框架
热门文章
- android小程序源代码_我从 Android 转到微信小程序的思考
- pic单片机c语言nop,PIC单片机的读写93XCXX程序
- 每天一个linux命令(36):diff 命令
- 阿里云物联网批量获取设备的在线离线状态
- 【迁移学习(Transfer L)全面指南】元学习
- 【深度学习入门到精通系列】使用Plotly绘制气泡图(以U-Net等网络性能比较为例)
- 【系统分析与设计】软件开发模式之敏捷开发(Scrum)分析
- python fastapi_Python|介绍一下我的新伙伴fastapi(一)
- 进阶学习(3.3) Abstract Factory Pattern 抽象工厂模式
- 网站优化排名提升不发愁,这几点你掌握了吗?