pandas.DataFrame()的基本操作

感觉上pandas的DataFrame就像numpy中的矩阵，不过它拥有列名和索引名，实际操作起来会更方便一些。

如:

df = pd.read_clipboard()

df.columns

df.Ratings

import numpy as np
import pandas as pd
from pandas import Series, DataFrame# 使用 浏览器 打开 某网址
#import webbrowser
#link = 'https://www.tiobe.com/tiobe-index'
#webbrowser.open(link)# 从粘贴板上 复制
df = pd.read_clipboard()
print(df)
'''Oct 2018  Oct 2017  Change Programming Language  Ratings Change.1
0         1         1     NaN                 Java  17.801%   +5.37%
1         2         2     NaN                    C  15.376%   +7.00%
2         3         3     NaN                  C++   7.593%   +2.59%
3         4         5  change               Python   7.156%   +3.35%
4         5         8  change    Visual Basic .NET   5.884%   +3.15%'''
print(type(df)) # <class 'pandas.core.frame.DataFrame'>
# 打印出所有的 列名
print(df.columns)
'''
Index(['Oct 2018', 'Oct 2017', 'Change', 'Programming Language', 'Ratings','Change.1'],dtype='object')
'''
# 打印出 其中 一列的 值
print(df.Ratings)
'''
0    17.801%
1    15.376%
2     7.593%
3     7.156%
4     5.884%
Name: Ratings, dtype: object
'''
# 可以使用访问字典的方式 访问
print(df['Ratings'])
'''
0    17.801%
1    15.376%
2     7.593%
3     7.156%
4     5.884%
Name: Ratings, dtype: object
'''print(type(df['Ratings'])) # 每一列 其实都是一个 series : <class 'pandas.core.series.Series'>#拿出其中的某一些列，组成一个新的dataframe
df_new = DataFrame(df. columns=['Change', 'Ratings'])
print(df_new)df_new = DataFrame(df, columns=['Change', 'Ratings', 'name'])
print(df_new)
'''Change Ratings  name
0    Java    None   NaN
1       C    None   NaN
2     C++    None   NaN
3  Python    None   NaN
4  Visual  5.884%   NaN
添加的新列，会默认一 NaN填充
'''
# 为 新列 赋值
df_new['name'] = range(0, 5)
print(df_new)
'''Change Ratings  name
0    Java    None     0
1       C    None     1
2     C++    None     2
3  Python    None     3
4  Visual  5.884%     4
'''# 更改某一列 的值
df_new['Change'] = np.arange(0, 5)
print(df_new)
'''Change Ratings  name
0       0    None     0
1       1    None     1
2       2    None     2
3       3    None     3
4       4  5.884%     4
'''#直接赋值一个 Series 也可以
df_new['Ratings'] = pd.Series(np.arange(0, 5))
print(df_new)# 单独为 某列的某几个值赋值
df_new['name'] = pd.Series(100, 300], index= [1, 2])
print(df_new)
'''Change  Ratings   name
0       0        0    NaN
1       1        1  100.0
2       2        2  300.0
3       3        3    NaN
4       4        4    NaN
'''

series和dataframe的理解:

其实dataframe就是由多个series组成的，仅此而已。

但有时候，在用series组成列表生成dataframe的时候，需要使用T进行转置。

pandas.DataFrame()的基本操作相关推荐

pandas(三) -- DataFrame的基本操作
DataFrame的基本操作数据查看.转置. 添加.修改.删除值 / 对齐 / 排序 1. 查看.转置. 添加.修改 df.head()#查看df头部元素 df.tail()#查看df的最后几个元素 ...
python使用教程pandas-Python 数据处理库 pandas 入门教程基本操作
pandas是一个Python语言的软件包,在我们使用Python语言进行机器学习编程的时候,这是一个非常常用的基础编程库.本文是对它的一个入门教程. pandas提供了快速,灵活和富有表现力的数据结 ...
pandas - DataFrame
基本特征一个表格型的数据结构: 含有一组有序的列(类似于index): 大致可看成共享同一个index的Series集合. data = {'name':['Wangdachui', 'Linlin ...
python pandas dataframe基本使用整理
dataframe是一种表格型的数据存储结构,可以看作是几个serie的集合.dataframe既有行索引,也有列索引. 以下代码环境为google colab/jupyter notebook. 接 ...
python 处理数据类型data_python数据类型之pandas—DataFrame
DataFrame定义: DataFrame是pandas的两个主要数据结构之一,另一个是Series -一个表格型的数据结构 -含有一组有序的列 -大致可看成共享同一个index的Series集合 ...
pandas使用tabulate函数将pandas dataframe以类似于plsql表格的方式打印出来（printing dataframe in tabular format）
pandas使用tabulate函数将pandas dataframe以类似于plsql表格的方式打印出来(printing dataframe in tabular format) 目录
python将scikit-learn自带数据集转换为pandas dataframe格式
python将scikit-learn自带数据集转换为pandas dataframe格式目录 python将scikit-learn自带数据集转换为pandas dataframe格式 #仿真数据
pandas基于条件判断更新dataframe中所有数据列数值内容的值（Conditionally updating all values in pandas Dataframe ）
pandas基于条件判断更新dataframe中所有数据列数值内容的值(Conditionally updating all values in pandas Dataframe ) 目录
pandas基于条件判断更新dataframe中特定数据列数值内容的值（Conditionally updating values in specific pandas Dataframe ）
pandas基于条件判断更新dataframe中特定数据列数值内容的值(Conditionally updating values in specific pandas Dataframe ) 目录

pandas.DataFrame()的基本操作

pandas.DataFrame()的基本操作相关推荐

最新文章

热门文章