标签:df Series 笔记 DataFrame pd print pandas
【pandas】笔记
- 一、什么是pandas?
- 二、Series创建
- 二、Series索引与值
- 三、pandas之读取外部数据
- 四、pandas之DataFrame
- 五、pandas之loc、iloc
- 六、bool索到和缺失数据的处理
- 七、分组聚合
一、什么是pandas?
一个在Python中做科学计算的基础库,重在数值计算
,也是大部分PYTHON科学计算库的基础库
,多用于在大型、多维数组上执行数值运算
二、Series创建
import pandas as pd
t1=pd. Series([1,2,31,12,3,4])
print(t1)
t2 = pd.Series([1,23,2,2,1],index=list("abcde"))
print(t2)
temp_dict = { "name" : "xiaohong", "age":30,"tel":10089}
t3 = pd.Series(temp_dict)
print(t3)
二、Series索引与值
print(t3.index)
print(t3.values)
三、pandas之读取外部数据
data= pd.read_csv( "./dongNames2.csv")print(df)
print(data)
四、pandas之DataFrame
Series一维,带标签数组
DataFrame二维,Series容器
pd. DataFrame(np.arange(12).reshape(3,4))
pd.DataFrame(np.arange(12).reshape(3,4) ,index=list("abc"),columns=List("wXYz"))
d1 = { "name" : ["xiaoming " , "xiaogang"] , "age": [20,32], "tel": [10086,10010]}
t1=pd.DataFrame(d1)
print(t1)
DataFrame的基础属性
df.shape # 行数列数
df.dtypes # 列数据类型
df.ndim # 数据维度
df.index # 行索引
df.columns # 列索引
df.values # 对象值,二维ndarray数组
df.info() #展示df
df.describe()#快速综合统计结果︰计数,均值,标准差,最大值,四分位数,最小值
五、pandas之loc、iloc
df.loc通过标签
索引行数据
df.iloc通过位置
获取行数据
六、bool索到和缺失数据的处理
输出800<xxx<1000
print(df[(800<df["xxx"])&(df["xxx"]<1000)])
判断数据是否为NaN: pd.isnull(df),pd.notnulldf)
处理方式1:删除NaN所在的行列dropna(axis=0, how='any', inplace=False)
处理方式2:填充数据,t.fillna(t.mean()),t.fiallna(t.median()),t.fillna(O)
七、分组聚合
分组
grouped = df.groupby(by="Country")
print(grouped)
聚合
country_count = grouped[ "Brand" ].count()
print(country_count["US"])
标签:df,Series,笔记,DataFrame,pd,print,pandas 来源: https://blog.csdn.net/lushixuan12345/article/details/122049286
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。