07 ，pandas 基本使用：读数据，查看数据，数据类型，帮助，列名，数据形状，数据计算,，填补空缺值

1 ，pandas 主要作用：

数据分析

2 ，pandas 底层：

numpy

3 ，数据准备：食品信息

文件名： food_info.csv
文件地址：
链接：https://pan.baidu.com/s/11urhuvTzjp5lsC9F3xnY1g
提取码：a9w9
复制这段内容后打开百度网盘手机App，操作更方便哦
数据样本：

NDB_No,Shrt_Desc,Water_(g),Energ_Kcal,Protein_(g),Lipid_Tot_(g),Ash_(g),Carbohydrt_(g),Fiber_TD_(g),Sugar_Tot_(g),Calcium_(mg),Iron_(mg),Magnesium_(mg),Phosphorus_(mg),Potassium_(mg),Sodium_(mg),Zinc_(mg),Copper_(mg),Manganese_(mg),Selenium_(mcg),Vit_C_(mg),Thiamin_(mg),Riboflavin_(mg),Niacin_(mg),Vit_B6_(mg),Vit_B12_(mcg),Vit_A_IU,Vit_A_RAE,Vit_E_(mg),Vit_D_mcg,Vit_D_IU,Vit_K_(mcg),FA_Sat_(g),FA_Mono_(g),FA_Poly_(g),Cholestrl_(mg)
1001,BUTTER WITH SALT,15.87,717,0.85,81.11,2.11,0.06,0,0.06,24,0.02,2,24,24,643,0.09,0,0,1,0,0.005,0.034,0.042,0.003,0.17,2499,684,2.32,1.5,60,7,51.368,21.021,3.043,215
1002,BUTTER WHIPPED WITH SALT,15.87,717,0.85,81.11,2.11,0.06,0,0.06,24,0.16,2,23,26,659,0.05,0.016,0.004,1,0,0.005,0.034,0.042,0.003,0.13,2499,684,2.32,1.5,60,7,50.489,23.426,3.012,219

4 ，读数据：数据查看 ( head )

代码：默认查看前 5 条

import pandasdata = pandas.read_csv("food_info.csv")
data.head()

结果：
代码：查看前 2 条

data.head(2)

5 ，数据类型： DataFrame

代码：

import pandasdata = pandas.read_csv("food_info.csv")
print(type(data))

结果：

<class 'pandas.core.frame.DataFrame'>

6 ，元素类型：字符型是 ( object )

代码：

import pandasdata = pandas.read_csv("food_info.csv")
print(data.dtypes)

结果：字符型 ( object )

NDB_No               int64
Shrt_Desc           object
Water_(g)          float64
Energ_Kcal           int64
Protein_(g)        float64
Lipid_Tot_(g)      float64
Ash_(g)            float64

所有数据类型：

Pandas - Python
object - string
int    - integer
float  - float
bool   - Boolean

7 ，查看函数的基本用法：帮助

代码：

help(pandas.read_csv)

8 ，数据查看：

前 2 行：

data.head(2)

后 2 行：

data.tail(2)

9 ，获取所有列名：

cnames = data.columns
print(cnames)结果 ：Index(['NDB_No', 'Shrt_Desc', 'Water_(g)',.... 'Cholestrl_(mg)'],dtype='object')

10 ，获取数据形状：

查看数据：几行几列

cnames = data.shape
print(cnames)结果 ：(8618, 36)

11 ，取数据：第一条 ( local[0] )

代码：

d = data.loc[0]
print(d)

效果：

12 ，取数据： (2,3,4) 条 ( local[2:4] )

代码：

d = data.loc[2:4]
print(d)

效果：

13 ，取数据：一列

d = data["NDB_No"]
print(d)

14 ，取数据：多列

d = data[["NDB_No","Shrt_Desc"]]
print(d)

15 ，小案例：找到指定的列

目的：
1 ，食品中有很多数据指标
2 ，有的指标的单位是 g
3 ，有些是 mg
4 ，求：我只想看那些单位为 g 的指标
代码：

# 获取所有列
arr = data.columns.tolist()
# 创建数组，用来存储我们的数据
brr = []
for c in arr:if c.endswith("(g)"):brr.append(c)
# 得到结果
res = data[brr]
print(res)

结果：

16 ，小案例：数据计算 ( mg -> g )

先看看所有的 mg ：

# 获取所有列
arr = data.columns.tolist()
# 数组，用来存储我们的数据
brr = []
for c in arr:if c.endswith("(mg)"):brr.append(c)
# 得到结果
res = data[brr]
print(res)

结果：
将 mg 转换为 g ：操作 dataframe 就是操作其中的每一个元素

# 获取所有列
arr = data.columns.tolist()
# 数组，用来存储我们的数据
brr = []
for c in arr:if c.endswith("(mg)"):brr.append(c)
# 得到结果
res = data[brr] / 1000
print(res)

结果：

17 ，增加列：增加数据维度

目的：
1 ，元数据 2 列，新数据 3 列
2 ，col3 = col1 + col2
代码：

arr = data[["Calcium_(mg)","Iron_(mg)"]]
col3 = data["Calcium_(mg)"] + data["Iron_(mg)"]
arr["col3"] = col3
print(arr)

效果：
列数量检查：

arr = data[["Calcium_(mg)","Iron_(mg)"]]
col3 = data["Calcium_(mg)"] + data["Iron_(mg)"]
print(arr.shape)
arr["col3"] = col3
print(arr.shape)结果 ：(8618, 2)(8618, 3)

18 ，聚合函数：最小值，最小值，平均值

最大值，最小值：

max = a.max()
min = a.min()

总条数：

cnt = a.shape[0]

总和：

sum = a.sum()

平均数：注意 ( 此函数，不补 0 )

avg = a.mean()

平均数的小问题：
怎么解决：填补空缺值
填补：

data = pandas.read_csv("sfl.csv")
a = data["a"]
print(a)
b = a.fillna(0)
print(b)
sum = b.sum()
cnt = b.shape[0]
avg = b.mean()print(sum)
print(cnt)
print(avg)
print(sum/cnt)

结果：

0    1.0
1    2.0
2    3.0
3    NaN
Name: a, dtype: float64
0    1.0
1    2.0
2    3.0
3    0.0
Name: a, dtype: float64
6.0
4
1.5
1.5

07 ，pandas 基本使用：读数据，查看数据，数据类型，帮助，列名，数据形状，数据计算,，填补空缺值相关推荐

数据去重填补空缺值（拉格朗日）
此时我是不是该喊一声"我胡汉三又回来啦!!!" 这篇博客容许我摸一下数据清洗的裤脚...... 1.首先. 这是在网上找的数据,一个心脏病的数据集,英文不好的默默打开翻译,被我悄悄 ...
pandas数据清洗：案例详解 fillna函数填补空缺值
pandas数据清洗:fillna函数填补空缺值 1 fillna函数简介 2 填补空缺值3种方法 2.1 构建学习数据 2.2 填补特定值 2.3 用前一个非空缺值填充 2.4 用后一个非空缺值填充 ...
查看tcp 请求中的各个状态数据
查看tcp请求中的各个状态数据文章目录查看tcp请求中的各个状态数据查看tcp请求中的各个状态数据,如timewait netstat -n |awk '/^tcp/ {++S[$NF]} EN ...
python查看dataframe数据类型_python pandas中DataFrame类型数据操作函数的方法
python数据分析工具pandas中DataFrame和Series作为主要的数据结构. 本文主要是介绍如何对DataFrame数据进行操作并结合一个实例测试操作函数. 1)查看DataFrame数 ...
pandas笔记（3）——DataFrame数据查看，缺失值，异常值，重复值预处理
数据情况查看预览数据前n行 Python中预览数据可以使用head()函数,该函数默认展示前5行. # 查看数据前2行 df.head(2) 查看数据末尾n行可以使用tail()函数,查看数据末尾 ...
学习pandas全套代码【超详细】数据查看、输入输出、选取、集成、清洗、转换、重塑、数学和统计方法、排序
大家早上好,本人姓吴,如果觉得文章写得还行的话也可以叫我吴老师.欢迎大家跟我一起走进数据分析的世界,一起学习! 感兴趣的朋友可以关注我的数据分析专栏,里面有许多优质的文章跟大家分享哦. 本篇博客将会给 ...
【Pandas学习】读、存excel数据
目录一.读数据二.将df存为excel 1.pandas.DataFrame.to_csv() 函数语法 2.利用 import os 获取保存路径 3.产生新的数据,添加至上述csv文件中已有数 ...
读懂GSnet（一）：pandas读取pkl格式的多维数组，可视化理解时空数据
GSNet数据解读原始数据 1. `all_data.pkl` 2. `risk_mask.pkl` 3. `risk_adj.pkl` 4. `road_adj.pkl` 5. `poi_adj. ...
pandas用众数填充缺失值_【机器学习】scikit-learn中的数据预处理小结(归一化、缺失值填充、离散特征编码、连续值分箱)...
一.概述 1. 数据预处理数据预处理是从数据中检测,修改或删除不准确或不适用于模型的记录的过程可能面对的问题有:数据类型不同,比如有的是文字,有的是数字,有的含时间序列,有的连续,有的间断. 也可 ...

07 ，pandas 基本使用：读数据，查看数据，数据类型，帮助，列名，数据形状，数据计算,，填补空缺值

1 ，pandas 主要作用：

2 ，pandas 底层：

3 ，数据准备：食品信息

4 ，读数据：数据查看 ( head )

5 ，数据类型： DataFrame

6 ，元素类型：字符型是 ( object )

7 ，查看函数的基本用法：帮助

8 ，数据查看：

9 ，获取所有列名：

10 ，获取数据形状：

11 ，取数据：第一条 ( local[0] )

12 ，取数据： (2,3,4) 条 ( local[2:4] )

13 ，取数据：一列

14 ，取数据：多列

15 ，小案例：找到指定的列

16 ，小案例：数据计算 ( mg -> g )

17 ，增加列：增加数据维度

18 ，聚合函数：最小值，最小值，平均值

07 ，pandas 基本使用：读数据，查看数据，数据类型，帮助，列名，数据形状，数据计算,，填补空缺值相关推荐

最新文章

热门文章

07 ，pandas 基本使用 ：读数据，查看数据，数据类型，帮助，列名，数据形状，数据计算,，填补空缺值

1 ，pandas 主要作用 ：

2 ，pandas 底层 ：

3 ，数据准备 ： 食品信息

4 ，读数据 ： 数据查看 ( head )

5 ，数据类型 ： DataFrame

6 ，元素类型 ： 字符型是 ( object )

7 ，查看函数的基本用法 ： 帮助

8 ，数据查看 ：

9 ，获取所有列名 ：

10 ，获取数据形状 ：

11 ，取数据 ： 第一条 ( local[0] )

12 ，取数据 ： (2,3,4) 条 ( local[2:4] )

13 ，取数据 ： 一列

14 ，取数据 ： 多列

15 ，小案例 ： 找到指定的列

16 ，小案例 ： 数据计算 ( mg -> g )

17 ，增加列 ： 增加数据维度

18 ，聚合函数 ： 最小值，最小值，平均值

07 ，pandas 基本使用 ：读数据，查看数据，数据类型，帮助，列名，数据形状，数据计算,，填补空缺值相关推荐

最新文章

热门文章

07 ，pandas 基本使用：读数据，查看数据，数据类型，帮助，列名，数据形状，数据计算,，填补空缺值

1 ，pandas 主要作用：

2 ，pandas 底层：

3 ，数据准备：食品信息

4 ，读数据：数据查看 ( head )

5 ，数据类型： DataFrame

6 ，元素类型：字符型是 ( object )

7 ，查看函数的基本用法：帮助

8 ，数据查看：

9 ，获取所有列名：

10 ，获取数据形状：

11 ，取数据：第一条 ( local[0] )

12 ，取数据： (2,3,4) 条 ( local[2:4] )

13 ，取数据：一列

14 ，取数据：多列

15 ，小案例：找到指定的列

16 ，小案例：数据计算 ( mg -> g )

17 ，增加列：增加数据维度

18 ，聚合函数：最小值，最小值，平均值

07 ，pandas 基本使用：读数据，查看数据，数据类型，帮助，列名，数据形状，数据计算,，填补空缺值相关推荐