标签：loc name df DataFrame 详解 student print 100 Pandas
二维数据，Series容器，既有行索引，又有列索引
1. 创建DataFrame
1.1 通过list 创建DataFrame
需要指定 data，index 行，columns 列
指定data和index/columns是list类型或者 np.arange
df1 = pd.DataFrame(data=[[1, 2, 3], [11, 12, 13]], index=['r_1', 'r_2'], columns=['A', 'B', 'C'])
df2 = pd.DataFrame(data=[[1], [11]], index=['r_1', 'r_2'], columns=['A'])
df3 = pd.DataFrame(data=np.arange(12).reshape(3, 4), index=list("abc"), columns=list("ABCD"))
复制代码A B C
r_1 1 2 3 r_2 11 12 13
A r_1 1 r_2 11
A B C D a 0 1 2 3 b 4 5 6 7 c 8 9 10 11
1.2 通过字典，创建DataFrame
1.2.1 方式一：传入单个字典， 注意必须是一键多值（单值的时候，也必须加上[]）
dict = {"name": ["jack", "HanMeimei"], "age": ["100", "100"]}
# dict = {"name": "jack", "age": "100"}#这样写是会报错的
# dict = {"name":["jack"], "age": ["100"]}#如果是单值，必须加[]
df3 = pd.DataFrame(dict, index=list("ab"))
复制代码age age1 name
a 100.0 NaN MaYun1 b 100.0 NaN MaYun2 c NaN 100.0 MaYun3
1.2.2 方式二： 传入字典列表，每一个字典是一行数据，缺少的列会补充nan
dict = [{"name": "MaYun1", "age": 100}, {"name": "MaYun2", "age": 100}, {"name": "MaYun3", "age1": 100}]
# dict = {"name": "jack", "age": "100"}
df4 = pd.DataFrame(dict, index=list("abc"))
复制代码2. DataFrame基本属性
dict = {"name": ["jack", "HanMeimei", "Lucy"], "age": ["100", "90","98"], "salary": [30000, 50000, 999000]}
df5 = pd.DataFrame(dict)
print(df5)
print(df5.head(1))
print(df5.tail(1))
print(df5.info())
print(df5.index)
print(df5.columns)
print(df5.values)
print(df5.describe())
复制代码3. 所有数据按照指定列排序
df5 = df5.sort_values(by='salary', ascending=True)
print(df5)
复制代码
4. DataFrame简单行、列切片
dict = {"name": ["jack", "HanMeimei", "Lucy","Mr Green", "Mrs Han", "Lily"],
"age": [100, 90,98,90,100,30], "salary": [30000, 50000, 999000,90000,80000,75000]}
df6 = pd.DataFrame(dict)
print(df6)
# 取出前五行
print(df6[0:5])
# 取出name列
print(df6["name"])
# 取出前三行的name列
print(df6[0:3]["name"])
复制代码
5. loc 行、列切片
5.2 *记住下面的这一个就行了，记太多反而麻烦
基本格式为：
df7.loc[行,列]
复制代码如果取连续的行或者列---使用切片 :
如果取出来不连续的行或列—使用列表 [ ]
其中 切片和列表可以混合使用
举列：
5.5.1 连续多行多列
df7.loc['a':'c','name':'age']
注意：包含了b行，因为是行切片
> name age
a jack 100
b HanMeimei 90
c Lucy 98
复制代码5.5.2 不连续多行+连续多列
df7.loc[['a','c'],'name':'salary']
注意：行是不连续选择，只是a和c
列是连续切片，包含了中间的age
> name age salary
a jack 100 30000
c Lucy 98 999000
复制代码5.5.3 不连续多行+不连续多列
df7.loc[['a','c'],['name','salary']]
注意：行是不连续选择，只是a和c
列也是不连续选择，只是name和salary
> name salary
a jack 30000
c Lucy 999000
复制代码5.5.4 全部行+不连续多列（全部列同理）
df7.loc[:,['name','salary']]
注意：只要把行写个空切片就行 ：
> name salary
a jack 30000
b HanMeimei 50000
c Lucy 999000
d Mr Green 90000
e Mrs Han 80000
f Lily 75000
复制代码5.5.5 不连续多行+单列（单行同理）
df7.loc[['a','c'],'name']
注意：单列名没加[]，结果是个Series
> a jack
c Lucy
Name: name, dtype: object
<class 'pandas.core.series.Series'>
复制代码df7.loc[['a','c'],['name']]
type(df7.loc[['a','c'],['name']])
注意：单列名加[]，结果是个DataFrame
> name
a jack
c Lucy
<class 'pandas.core.frame.DataFrame'>
复制代码6. iloc 行、列切片
只是通过位置取值，原理与loc一样
只是注意，切片不包含最后一个数字，这点与loc不同
df7.iloc[[1,3],[0]]
> 取得不连续的行列
name
b HanMeimei
d Mr Green
df7.iloc[1:3,0:1]
> 没包含3的d ，没包含1的age
name
b HanMeimei
c Lucy
复制代码7. 赋值更改数据
可以使用loc，也可以使用iloc
df7.iloc[1:3,1:3]=99999999
print(df7)
> name age salary
a jack 100 30000
b HanMeimei 99999999 99999999
c Lucy 99999999 99999999
d Mr Green 90 90000
e Mrs Han 100 80000
f Lily 30 75000
复制代码8.布尔索引
一起看个例子吧
创建一个dataframe
Score = {"姓名": ["张无忌", "赵敏", "小乔", "大乔", "杨玉环", "貂蝉", "西施", "王子", "姜子牙", "李白", "杜甫", "王伟","李晓雨"],
"语文": [78, 90, 87, 88, 56, 94, 92, 85, 93, 91, 59, 100,100],
"数学": [91, 59, 100, 75, 30, 95, 91, 59, 100, 10, 95, 85,100],
"英语": [91, 59, 100, 75, 30, 95, 10, 95, 85, 75, 30, 95,100]}
df_score = pd.DataFrame(Score)
print(df_score)
复制代码
8.1 取出所有英语成绩大于90的人的数据
# 得到的是一个Series
loc_ = df_score.loc[:,"英语"] > 90
print(loc_)
print(type(loc_))# <class 'pandas.core.series.Series'>
# dataframe 布尔索引，会筛选出所有值为true的行
print(df_score[loc_])
# 也可以简写为
print(df_score[df_score.loc[:,"英语"]>90])
复制代码
8.2 取出所有英语成绩小于90的人的数据（~）
注意：加 ~ 取反
print(df_score[~(df_score.loc[:, "英语"] > 90)])
复制代码
8.3 取出所有英语成绩大于90并且语文大于80人的数据
print(df_score[(df_score.loc[:, "英语"] > 90)&(df_score.loc[:, "语文"] < 80)])
复制代码
8.4 知识点截图
9. 字符串方法
# 创建一个dataframe
student = {"姓名": ["张无忌", "赵敏", "小乔", "大乔", "杨玉环", "貂蝉", "西施", "王子", "姜子牙", "李白", "杜甫", "王伟", "李晓雨"],
"语文": [78, 90, 87, 88, 56, 94, 92, 85, 93, 91, 59, 100, 100],
"数学": [91, 59, 100, 75, 30, 95, 91, 59, 100, 10, 95, 85, 100],
"英语": [91, 59, 100, 75, 30, 95, 10, 95, 85, 75, 30, 95, 100],
"班级": ["一年级3班", "一年级1班", "二年级3班", "二年级1班", "一年级13班", "三年级7班", "五年级3班", "四年级3班", "一年级5班", "一年级7班", "一年级4班",
"一年级9班", "一年级10班"],
}
df_student = pd.DataFrame(student)
print(df_student)
复制代码
9.1 len—选择【班级】列元素字符串长度大于5的数据
print(df_student[df_student["班级"].str.len() > 5])
复制代码
9.2 replace—把【班级】列元素中的【年级】改为【学校一年级】
# 注意等号右侧返回一个Series，要把它赋值给原DataFrame对应的列
df_student["班级"] = df_student["班级"].str.replace("一年级", "学校一年级")
print(df_student)
# 下面是取列的loc用法
df_student.loc[:,"班级"] = df_student.loc[:,"班级"].str.replace("一年级", "学校一年级")
复制代码
9.3 contains—筛选【班级】列包含“学校”和“1”的数据
print(df_student[
(df_student["班级"].str.contains("学校"))
&
(df_student["班级"].str.contains("1"))])
复制代码
9.4 split—切割字符串
9.5 get—打印学生姓名的第一个字符（姓氏）
print((df_student["姓名"].str.get(0)))
复制代码
9.6 match—正则表达式匹配，找出姓名包含'王|李'的数据
reg = '王|李'
print(df_student[df_student["姓名"].str.match(reg)])
复制代码
9.7 pad—填充字符*
# 注意width=10表示，现在的字符+要填充的*，一起计算宽度为10
# 两侧都加*，最后得到的字符串长度为10，不足用*添加(也可以不写side，直接使用center函数)
df_student["姓名"] = df_student["姓名"].str.pad(width=10, side='both', fillchar='*')
# 右侧都加—，最后得到的字符串长度为20，不足用-添加
df_student["姓名"] = df_student["姓名"].str.pad(width=20, side='right', fillchar='-')
print(df_student)
复制代码
9.5 知识点截图
10. 新增一列统计总分 apply方法
10.1 直接相加
df_student["总分"] = df_student["语文"] + df_student["数学"] + df_student["英语"]
复制代码
10.2 使用Series的apply方法遍历（apply传入一个函数，更强大）
df_student['总分'] = pd.Series(df_student.index.tolist()).apply(
lambda i: df_student.loc[i, "语文"] + df_student.loc[i, "数学"] + df_student.loc[i, "英语"])
# 1.为了使用Series的apply方法，根据DataFrame的Index生成一个Series，
pd.Series(df_student.index.tolist())
# 2.后面是一个lambda表达式，也可以定义函数传递进去（写函数就可以做很多处理了），见下例
复制代码# 让语文大于90的人，让他的语文成绩再加上1000分，然后求总分
def sum1(i):
if df_student.loc[i, "语文"] > 90:
df_student.loc[i, "语文"] = df_student.loc[i, "语文"] + 1000
return df_student.loc[i, "语文"] + df_student.loc[i, "数学"] + df_student.loc[i, "英语"]
df_student['总分'] = pd.Series(df_student.index.tolist()).apply(
lambda i: sum1(i))
复制代码
11. 缺失数据处理
# 使用numpy生成一组随机整数（在0~100之间，形状为5行7列）
rand = np.random.randint(0, 100, (5, 7))
# 使用numpy上传的数据生成DataFrame
df = pd.DataFrame(rand, columns=list("ABCDEFG"))
# 定义一些NaN
df.loc[0:3, "A":"B"] = np.nan
print(df)
复制代码
11.1 判断是不是NaN
11.1.1 判断整个df是不是Nan的情况
# 是null吗
print(pd.isnull(df))
结果是：DataFrame
复制代码
# 不是null吗
print(pd.notnull(df))
复制代码
11.1.2 判断df指定列是不是Nan的情况
# 打印A列里数据为NUll的数据
print(df[pd.isnull(df["A"])])
复制代码
# 打印A列里数据不为NUll的数据
print(df[pd.notnull(df["A"])])
复制代码
11.2 删除df里有nan的数据
# 不输入how参数，默认为any
# 只要有一个是NaN,就会删除该行
print(df.dropna(axis=0))
复制代码
# 只有全部是NaN,才会删除该行
print(df.dropna(axis=0,how="all"))
复制代码
标签：loc,name,df,DataFrame,详解,student,print,100,Pandas 来源： https://blog.csdn.net/ytp552200ytp/article/details/115550564
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。