Pandas 的使用

1. 访问df结构中某条记录使用loc或者iloc属性。loc是按照index或者columns的具体值，iloc是按照其序值。访问类似于ndarray的访问，用序列分别表示一维和二维的位置。

　　例如：missing_data.loc['MasVnrType']　　访问index为'MasVnrType'的行(如果有多行，才需要两对中括号，里面的中括号表示index列表

　　　　　missing_data.loc['MasVnrType', 'Total']　　用来访问index为'MasVnrType'，columns为'Total'的数据

　　　　　missing_data.loc[['MasVnrType', 'MasVnrArea'], ['Total']]　　访问index为'MasVnrType', 'MasVnrArea', columns为'Total'的数据

　　　　　missing_data.iloc[[1]]　　表示index序值为1的记录（0-indexed）

In [1]: df = DataFrame(randn(5,2),index=range(0,10,2),columns=list('AB'))In [2]: df
Out[2]: A         B1.068932 -0.794307
-0.470056  1.192211
-0.284561  0.7560291.037563 -0.267820
-0.538478 -0.800654In [5]: df.iloc[[2]]
Out[5]: A         B
-0.284561  0.756029In [6]: df.loc[[2]]
Out[6]: A         B
-0.470056  1.192211

示例代码

2. 对数据变量进行标准正态化分布类 sklearn.preprocessing.StandardScaler http://sklearn.lzjqsdd.com/modules/preprocessing.html

3. Pandas 中的空值用 None 表示

4. 两个逻辑值序列求交或者并用 & 符号或者 | 符号

5. NaN 参与数值运算的结果仍然为 NaN

6. 如果需要在 IPython Notebook 中显示作图，需要加上 %matplotlib inline

7. 将属性值作为列名进行行列转换

　　1. MultiIndex 对象

　　　　构建有两种方式，一种是通过 index 元组的方式，一种是通过多维列表交叉组合的方式。

　　2. 在通过 Series 的 unstack 方法将某一级标签转换到 columns 上。

　　　　level 参数指定转换的标签级，-1表示最里面一级。

8. 如何改变 index 或 columns 的顺序

　　1. 一种方式是通过 reindex_axis 函数

　　2. 另外一种方式是通过重新赋值来改变

　　　　test_df = test_df[train_df.columns]

　　　　改变 index 顺序：test_df = test_df.loc[index]

9. 将带有 multi-level index 的 DataFrame 对象的 index 转换为对应的 columns 插入到原本的 DataFrame 中。

　　pd.DataFrame.reset_index() 函数可以完成上述功能

　　也可以时使用 MultiIndex 对象的 to_frame() 函数直接将 MultiIndex 转换为 DataFrame。

转载于:https://www.cnblogs.com/hopelee/p/7124756.html

Pandas 的使用相关推荐

Pandas 使用入门
Pandas 简介运行环境 jupyter notebook python 3.6 pandas '0.20.3' matplotlib '2.1.0' 学习目标: * 大致了解 pandas 库的 ...
modin pandas 加速
20211203 https://blog.csdn.net/BF02jgtRS00XKtCx/article/details/108988757 利用swifter加速apply Modin是一个P ...
利用pandas读写HDF5文件
一.简介 HDF5(Hierarchical Data Formal)是用于存储大规模数值数据的较为理想的存储格式,文件后缀名为h5,存储读取速度非常快,且可在文件内部按照明确的层次存储数据,同一个H ...
pandas dataframe 删除带空值的行各种空值 (dropna()、isna()、isnull()、fillna())
假设拿到一个10万行的数据后,通过isnull我们发现某列有几个空值,要把该列空值所在行删除怎么操作?用dropna()会删除所有有空值的行,请看下面实例. 区分 None,null,NULL,nan ...
pandas以前笔记
# -*- coding: utf-8 -*- """ Created on Sat Jul 21 20:06:20 2018@author: heimi "& ...
pandas dataframe 字符映射为数字
在机器学习中对于有序的类别型变量可以不采用onehot编码,直接使用有序数字代替即可,这个目的可以在pandas中使用map方法实现. import pandas as pd 创建数据框 raw_da ...
pandas如何读取一个文件夹下的所有文件
from os import walk import pandas as pd dataframe_list = [] #walk会返回3个参数,分别是路径,目录list,文件list,你可以按需修改 ...
python pandas 如何找到NaN、缺失值或者某些元素的索引名称以及位置，np.where的使用
我们在处理数据的时候,经常需要检查数据的质量,也需要知道出问题的数据在哪个位置.我找了很久,也尝试了很多办法,都没能找到一种非常直接的函数,本文所要介绍的是一种我认为比较方便的方法:np.where( ...
pandas数据框，统计某列或者某行数据元素的个数
版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/sinat_38893241/artic ...
Pandas库常用函数和操作
目录 1. DataFrame 处理缺失值 dropna() 2. 根据某维度计算重复的行 duplicated().value_counts() 3. 去重 drop_duplicates( ...

Pandas 的使用

Pandas 的使用相关推荐

最新文章

热门文章