pandas基础操作
3.1panda基础操作
头文件:
import numpy as np
import pandas as pd
创建pandas序列
pandas会默认添加序号
s = pd.Series([1,3,6,np.nan,44,1])
创建时间序列。periods=6:生成六个数据
dates = pd.date_range('20160101',periods=6)
自己定义数据标签
index是值行标签。colums是列标签
df = pd.DataFrame(np.random.randn(6,4),index=dates,columns=['A','B','C','D'])
字典创建法
df2 = pd.DataFrame({'A':1.,'B':pd.Timestamp('20130102'),'C':pd.Series(1,index=list(range(4)),dtype='float32'),'D':np.array([3]*4,dtype='int32'),'E':pd.Categorical(["test","train","test","train"]),'F':'foo'
})
打印各列的数据形式
print(df2.dtypes)
返回所有行的序号
print(df2.index)
返回所有列的序号
print(df2.columns)
返回所有的值
print(df2.values)
对各列的描述:count mean min等等
df2.describe()
转置!行变列,列变行
df2.T
排序
#按列标签排序 False是倒序,True是正序
df2.sort_index(axis=1,ascending=False)#按指定标签下的数值进行排序
df2.sort_values(by='E')
3.2pandas选择数据
头文件:
import numpy as np
import pandas as pd
选择标签‘A’的数据
dates = pd.date_range('20130101',periods=6)
df = pd.DataFrame(np.random.randn(6,4),index=dates,columns=['A','B','C','D'])
print(df['A']) #等同与df.A
切片
print(df[0:3])
print(df['20130102':'20130104'])
根据标签选择数据:loc
print(df.loc['20130102'])
print(df.loc['20130102',['A','B']])
根据位置选择数据:iloc
print(df.iloc[3:5,1:3])
综合选择:ix (已被弃用)
#print(df.ix[:3,['A','C']])
根据阈值选择数据
print(df[df.A > 1])#若只打印A这一列大于8的数据
print(df['A'][df['A']>1])
3.3pandas设置值
头文件:
import numpy as np
import pandas as pd
根据序列改
dates = pd.date_range('20130101',periods=6)
df = pd.DataFrame(np.random.randn(6,4),index=dates,columns=['A','B','C','D'])df.iloc[2,2] = 1111
根据标签改
df.loc['20130101','B'] = 2222
把A>1的部分的所有值都改成0(不止标签A部分)
df[df.A>1] = 0
只把A部分大于1的部分改成0
df.A[df.A>1] = 0
增加一列标签
df['F'] = np.nan
df['E'] = pd.Series([1,2,3,4,5,6],index = pd.date_range('20130101',periods=6))
pandas基础操作相关推荐
- pandas 基础操作
原文链接: pandas 基础操作 上一篇: numpy 基础 下一篇: Python2 爬虫 登录 12306 import numpy as np import pandas as pds = p ...
- pandas基础操作大全之数据合并
在pandas 基础操作大全之数据读取&清洗&分析中介绍了pandas常见的数据处理操作,现在继续对pandas常用的数据合并操作做下介绍,便于大家快速了解,也方便后续需要时快速查询. ...
- 数据分析:numpy和pandas基础操作详解
数据处理基础 numpy基础 1.numpy创建数组及基础属性 2.数组的特点 3.创建常见数组 4.数组数据类型 5.生成随机数 6.一维数组索引 7.布尔索引 8. 多维数组的索引 9.实际问题 ...
- Pandas基础操作(上)
文章目录 一.Pandas文件读取 1.pandas数据读取 1.读取纯文本文件 1.1 读取csv,使用默认的标题行.逗号分隔符 1.2 读取txt文件,自己指定分隔符.列名 2.读取excel文件 ...
- Pandas CookBook -- 02DataFrame基础操作
Pandas基础操作 简书大神SeanCheney的译作,我作了些格式调整和文章目录结构的变化,更适合自己阅读,以后翻阅是更加方便自己查找吧 import pandas as pd import nu ...
- 《pandas数据分析》(一)——数据基础操作
主要目的是通过真实的数据,以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作.通过正式的数据分析的实战教学,完成kaggle上泰坦尼克的任务,实战数据分析全流程. 分为三个部分,大致可 ...
- 快乐学习Pandas入门篇:Pandas基础
Datawhale学习 作者:杨煜,Datawhale成员 寄语:本文对Pandas基础内容进行了梳理,从文件读取与写入.Series及DataFrame基本数据结构.常用基本函数及排序四个模块快速入 ...
- pandas object转float_数据分析篇 | Pandas基础用法6【完结篇】
这是最后一篇,至此Pandas系列终于连载完了,有需要的也可以看看前面6篇,尽请收藏. 数据分析篇 | Pandas 概览 数据分析篇 | Pandas基础用法1数据分析篇 | Pandas基础用法2 ...
- Numpy与Pandas基础
Numpy与Pandas基础 Cyczz 计算机小白 关注他 1 人赞同了该文章 本文包括: 一维数据分析 二维数据分析 一.一维数组 Numpy的一维数组(array) 创建一个一维数组,参数传入 ...
最新文章
- 【青少年编程】【四级】词语接龙
- Handler造成Activity泄漏,用弱引用真的有用么?
- Plist文件的创建与读写
- Oracle的启动机制
- 史上最完整的iOS DIY framework 详细教程(一)
- 小米刷第三方recovery_小米平板4/Plus LTE版本开启电话功能
- 报错型sql注入原理分析
- 手把手一起 图形化安装 k8s 集群
- Spring Session + Redis实现分布式Session共享
- 计算复杂度:P、NP、NP 完备
- linux网络子系统分析(一)——协议栈分层实现综述
- DVWA中学习PHP常见漏洞及修复方法
- 百度实习1,2,3面-教育知心搜索前端项目组
- 亲测可用:推荐一个免费下载外文文献的网站
- python编写程序掷骰子游戏_python学习之掷骰子游戏
- Unity3d C#实现语音合成(TTS)试听并选择路径保存下载功能(含源码)
- math.floor()函数解析
- Word在试图打开文件时错误,如何解决
- JavaSwing也惊艳之一:水晶之恋
- “ 愿我如星君如月,夜夜流光相皎洁 ...”