标签：入门 df 最快 选择性 int64 pd dtype pandas C4
pandas读取文件
读取csv文件
import pandas as pd
#读取csv文件
fpath="test.csv"
df=pd.read_csv(fpath,encoding='gbk')
#查看前几行
df.head()
| 编号 | 操作方式 | 催化剂总质量（mg） | HAP:Co/SiO2 | Co/SiO2（wt%） | 乙醇浓度（ml/min） | 温度 | 乙醇转化率（%） | 乙烯选择性（%） | C4烯烃选择性（%） | 乙醛选择性（%） | 碳数为4-12脂肪醇选择性（%） | 甲基苯甲醛和甲基苯甲醇选择性（%） | 其他生成物的选择性（%） | C4烯烃收率（乙醇转化率*C4烯烃选择性） | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 1 | 1 | 400 | 1.0 | 1.0 | 1.68 | 250 | 2.07 | 1.17 | 34.05 | 2.41 | 52.59 | 0.00 | 9.78 | 0.703871 |
| 1 | 1 | 1 | 400 | 1.0 | 1.0 | 1.68 | 275 | 5.85 | 1.63 | 37.43 | 1.42 | 53.21 | 0.00 | 6.31 | 2.190299 |
| 2 | 1 | 1 | 400 | 1.0 | 1.0 | 1.68 | 300 | 14.97 | 3.02 | 46.94 | 4.71 | 35.16 | 1.00 | 9.17 | 7.026398 |
| 3 | 1 | 1 | 400 | 1.0 | 1.0 | 1.68 | 325 | 19.68 | 7.97 | 49.70 | 14.69 | 15.16 | 2.13 | 10.35 | 9.781635 |
| 4 | 1 | 1 | 400 | 1.0 | 1.0 | 1.68 | 350 | 36.80 | 12.46 | 47.21 | 18.66 | 9.22 | 1.69 | 10.76 | 17.373760 |
#查看形状
df.shape
(114, 15)
#查看属性
df.columns
Index(['编号', '操作方式', '催化剂总质量（mg）', 'HAP:Co/SiO2', 'Co/SiO2（wt%）',
'乙醇浓度（ml/min）', '温度', '乙醇转化率（%）', '乙烯选择性（%）', 'C4烯烃选择性（%）', '乙醛选择性（%）',
'碳数为4-12脂肪醇选择性（%）', '甲基苯甲醛和甲基苯甲醇选择性（%）', '其他生成物的选择性（%）',
'C4烯烃收率（乙醇转化率*C4烯烃选择性）'],
dtype='object')
#查看索引
df.index
RangeIndex(start=0, stop=114, step=1)
读取txt文件
#当header=None即没有标题时可以手动指定names=
fpath='book.txt'
df=pd.read_csv(fpath,
sep="\t",
#header=True,
#names=['x','y','z']
)
df
| 序号 书名 分类 | |
|---|---|
| 0 | 1 HTML5+CSS3+JavaScript从入门到精通（标准版） ... |
| 1 | 2 JavaWeb项目开发实战入门（全彩版） ... |
| 2 | 3 案例学WEB前端开发 ... |
| 3 | 4 一看就停不下来的中国史 ... |
| 4 | 5 显微镜下的大明 ... |
| 5 | ... |
读取excel文件
fpath='test.xlsx'
df=pd.read_excel(fpath)
df.head()
| 编号 | 操作方式 | 催化剂总质量（mg） | HAP:Co/SiO2 | Co/SiO2（wt%） | 乙醇浓度（ml/min） | 温度 | 乙醇转化率（%） | 乙烯选择性（%） | C4烯烃选择性（%） | 乙醛选择性（%） | 碳数为4-12脂肪醇选择性（%） | 甲基苯甲醛和甲基苯甲醇选择性（%） | 其他生成物的选择性（%） | C4烯烃收率（乙醇转化率*C4烯烃选择性） | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 1 | 1 | 400 | 1.0 | 1.0 | 1.68 | 250 | 2.067169 | 1.17 | 34.05 | 2.41 | 52.59 | 0.00 | 9.78 | 0.703871 |
| 1 | 1 | 1 | 400 | 1.0 | 1.0 | 1.68 | 275 | 5.851721 | 1.63 | 37.43 | 1.42 | 53.21 | 0.00 | 6.31 | 2.190299 |
| 2 | 1 | 1 | 400 | 1.0 | 1.0 | 1.68 | 300 | 14.968891 | 3.02 | 46.94 | 4.71 | 35.16 | 1.00 | 9.17 | 7.026398 |
| 3 | 1 | 1 | 400 | 1.0 | 1.0 | 1.68 | 325 | 19.681359 | 7.97 | 49.70 | 14.69 | 15.16 | 2.13 | 10.35 | 9.781635 |
| 4 | 1 | 1 | 400 | 1.0 | 1.0 | 1.68 | 350 | 36.801017 | 12.46 | 47.21 | 18.66 | 9.22 | 1.69 | 10.76 | 17.373760 |
读取mysql表
#此处只给出范例，请连接自己的数据库再使用
import pymssql
#连接信息
con=pymssql.connect(host='127.0.0.1',
user='root',
password='1234567',
database='test',
charset='utf-8'
)
#sql语句+连接信息
df=pd.read_sql("select * from teaches",con=con)
df.head()
panda数据结构
DataFrame:二维数据，整个表格，部分矩表二维表格也是DataFrame
Series:一维数据，行或者列，部分行列也是Series
列表创建series
s1=pd.Series([1,'a',5.2,7],
index=['b','c','d','e'])
s1
b 1
c a
d 5.2
e 7
dtype: object
s1.index
Index(['b', 'c', 'd', 'e'], dtype='object')
字典创建series
#使用字典方式创建，可以使用字典方式访问
dict={'a':1,
'b':2,
'c':3,
'd':4}
s=pd.Series(dict)
s
a 1
b 2
c 3
d 4
dtype: int64
print(s['a'])
print(type(s['a']))
print(s[['a','b']])
print(type(s[['a','b']]))
1
<class 'numpy.int64'>
a 1
b 2
dtype: int64
<class 'pandas.core.series.Series'>
多个字典创建DataFrame
dict={'a':[1,9,1],
'b':[2,1,7],
'c':[1,2,5],
'd':[6,3,0]}
df=pd.DataFrame(dict)
df
| a | b | c | d | |
|---|---|---|---|---|
| 0 | 1 | 2 | 1 | 6 |
| 1 | 9 | 1 | 2 | 3 |
| 2 | 1 | 7 | 5 | 0 |
df.columns
Index(['a', 'b', 'c', 'd'], dtype='object')
df.index
RangeIndex(start=0, stop=3, step=1)
df.dtypes
a int64
b int64
c int64
d int64
dtype: object
DataFrame中查询Series
#查询单列是Series
df['a']
0 1
1 9
2 1
Name: a, dtype: int64
#查询多列（行）也是DataFrame
df[['a','d']]
| a | d | |
|---|---|---|
| 0 | 1 | 6 |
| 1 | 9 | 3 |
| 2 | 1 | 0 |
#查询一行
df.loc[1]
a 9
b 1
c 2
d 3
Name: 1, dtype: int64
#查询多行
df.loc[1:3]
| a | b | c | d | |
|---|---|---|---|---|
| 1 | 9 | 1 | 2 | 3 |
| 2 | 1 | 7 | 5 | 0 |
源代码和相应数据下载请点击 https://github.com/MiaoChenglin125/Data-Acquisition/tree/master/pandas%E6%93%8D%E4%BD%9C
标签：入门,df,最快,选择性,int64,pd,dtype,pandas,C4 来源： https://blog.csdn.net/m0_48856561/article/details/120576479
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。