pandas 乙個資料分析處理的庫，基於python 底層是基於numpy的，pandas的核心結構是dataframe。 此篇簡單學習了pandas的基礎操作，主要包括對.csv檔案的讀取（pandas.read_csv（「path」））；讀取資料的前幾行（.head()）或者後幾行(.tail())；顯示資料的列名也即是抬頭（.columns()）以及顯示資料的大小，有多少行多少列（.shape），以及取某一行或ji'hang幾行的資料（.loc）; 根據某些條件篩選某些列的資訊；對資料的列與列之間做一些資料處理；獲得某一列的最大值等；最後是對資料的排序（.sort_values("energ_kcal",inplace=true)降序，.sort_values("energ_kcal",inplace=true,ascending=false)公升序）。
e:\python_code_test\food_info.csv
具體**如下：
# 資料分析處理庫 pandas
# pandas 封裝了很多函式，是在numpy基礎之上，底層是基於numpy的。
# 資料讀取 讀.csv檔案 pandas.read_csv('')
import pandas
food_info = pandas.read_csv('e:\\python_code_test\\food_info.csv')
print(type(food_info)) # dataframe pandas的核心結構
print(food_info.dtypes) # 錶值的型別 int64 float64 object(相當於string型)
# print(help(pandas.read_csv)) # 可以輸出相應函式的幫助文件，更多的了解函式
# 從前往後取或者從後往前取資料
print(food_info.head()) # 在table中顯示前五行資料報括抬頭
print(food_info.tail()) # 顯示尾幾行[5 rows x 36 columns]
print(food_info.tail(3)) # [3 rows x 36 columns]
# 顯示列名 即抬頭
print(food_info.columns)
print(food_info.shape) # (8618, 36) # 8618組資料，每組資料含有36個屬性
# 取資料 .loc 相當於乙個index
print(food_info.loc[0]) # 取第一行的資料
# ndb_no 1001
# shrt_desc butter with salt
# water_(g) 15.87
# energ_kcal 717
# ……
#…………………………………………………………… 取資料 ……………………………………………………………………………………………………………
# 通過切片取資料
print(food_info.loc[3:6]) # 取第三行到第六行的整行資料 [3,6]
# 整列整列的取資料
get_col = food_info["water_(g)"] # 根據抬頭定位到某一列
print(get_col) # name: water_(g), length: 8618, dtype: float64
# 或通過變數定位
# col_name = "water_(g)"
# get_col = food_info[col_name]
two_col_name = ["energ_kcal","water_(g)"]
get_two_col = food_info[two_col_name]
print(get_two_col) # 列印出兩列的指標 [8618 rows x 2 columns]
#…………………………………………………………………… 根本條件進行查詢 ………………………………………………………………………………
# 查詢.csv檔案中那些引數以及列名是以(g)為結尾的列
col_names = food_info.columns.tolist() # 將列名儲存為list
gram_columns = # 空的
# 條件篩選獲得end為(g)的列名 並複製給gram_columns
for c in col_names:
if c.endswith("(g)"):
gram_df = food_info[gram_columns] # 獲得符合篩選列名條件的列名所在列
print(gram_df.head(3))
# water_(g) protein_(g) ... fa_mono_(g) fa_poly_(g)
# 0 15.87 0.85 ... 21.021 3.043
# 1 15.87 0.85 ... 23.426 3.012
# 2 0.24 0.28 ... 28.732 3.694
# …………………………………………………………… 做一些加減乘除的操作 ………………………………………………………………………
div_1000 = food_info["cholestrl_(mg)"]/1000
print(div_1000) # 相當於把mg轉化成了g
# 對兩個列做一些組合 維度一樣時，對應位置進行相應的操作
water_energy = food_info["water_(g)"] * food_info["energ_kcal"]
# 新增一列 並命名 iron_(g)
print(food_info.shape) # (8618, 36)
iron_gram = food_info["iron_(mg)"]/1000
food_info["iron_(g)"] = iron_gram
print(food_info.shape) # (8618, 37)
# 取某一列最大值
max_calories = food_info["energ_kcal"].max()
print(max_calories) # 902
# 歸一化
normalized_calories = food_info["energ_kcal"] / max_calories
normalized_fat = food_info["lipid_tot_(g)"]/food_info["lipid_tot_(g)"].max()
food_info["normalized_fat"] = normalized_fat
print(food_info.shape) # (8618, 38)
#…………………………………………………………………… 做排序 …………………………………………………………………………………………
food_info.sort_values("energ_kcal",inplace=true) # 從小到達排序 公升序
print(food_info["energ_kcal"])
food_info.sort_values("energ_kcal",inplace=true,ascending=false) # 從大到小排序 降序
print(food_info["energ_kcal"])
Pandas學習筆記（二）
注意講述如何獲取乙個dataframe的某些行和某些列 注意value count 0方法，可以利用這個函式獲知某一列的各個取值的個數 主要講述如何按照人為設定的條件去選取dataframe的部分行和部分列。示例語句 is noise complaints complaint type noise ...
入門學習（二）Pandas
import pandas as pd import numpy as nytrucks data trucks print trucks 所得如下 1712 before back yes daylight 2613 after back yes daylight 3192 before forw...
學習筆記 Pandas（二）
選擇資料 1 loc 通過行和列的名字來獲取值 注意 iloc使用索引定位時，會按照索引規則取值，如 1 5 會取出1，2，3，4這4個值 loc按照label標籤取值，如 a c 則a，b，c都取到 3 at 通過行列標籤獲得指定值 獲得單個資料 4 iat 通過行列標籤的整數索引來選取指定值 5...