資料分析 pandas 3

dataframe和series的關係

傳入字典建立dataframe

dataframe的方法

在資料分析-pandas(2)的時候，我們簡單的講解了一下關於dataframe的橫向索引index和縱向索引columns,他們預設是從0開始的，現在我們來學習一下，如何建立特定的index和columns

#匯入pandas包

in [2]
:import pandas as pd
#匯入numpy包
in [3]
:import numpy as np
#生成dataframe矩陣資料表
in [4]
: t = pd.dataframe(np.arange(1,
13).reshape(3,
4))#得到結果
in [5]
: tout[5]
:012
3012
3415
6782
9101112

#建立特定的index和columns的dataframe

in [6]
: t = pd.dataframe(np.arange(1,
13).reshape(3,
4),index=
["a"
,"b"
,"c"
],columns=
["w"
,"x"
,"y"
,"z"])
#輸出列印 t 
in [7]
: tout[7]
:   w   x   y   z
a  123
4b  567
8c  9
1011
12

上圖就是乙個dataframe矩陣資料表，但是，如果單看紅色邊框圈出來的部分，其實就是series陣列

因此，我們說：dataframe是series容器

那麼，問題就來了

既然說dataframe是series的容器，那麼，當初在建立series的時候可以通過傳入字典來建立，那麼，我們建立dataframe的時候可不可也通過傳入字典來建立呢？

答案是：當然可以

#建立字典 a

a =#生成 dataframe 矩陣資料表
t = pd.dataframe(a)
#輸出列印 t
in [9]
: tout[9]
:   age name ***
020   小紅   女
118   小亮   男
222   小張   男

那麼，當我們學習了上面的知識點後，又有乙個問題接踵而至，對於乙個dataframe型別，既有行索引，又有列索引，我們能夠對他做什麼操作呢

dataframe的基礎屬性方法

作用df.shape

返回矩陣資料表的行數和列數

df.dtypes

返回矩陣資料表的列資料型別

df.ndim

返回資料維度

df.index

返回行索引

df.columns

返回列索引

df.values

物件值，二維ndarry陣列

dataframe的整體情況查詢方法

作用df.head(3)

顯示頭部幾行，預設是5行資料

df.tail(3)

顯示末尾幾行，預設是5行資料

df.info()

df.sort_values(by=「columns標籤」)

dataframe中排序的方法,指按照columns標籤索引進行排序，預設是公升序(ascending=true),通過設定asceding改變排序方式

df.describe()

快速綜合統計結果：計數，均值，標準差，最大值，四分位數，最小值

資料分析 pandas

pandas是乙個強大的python資料分析的工具包，它是基於numpy構建的，正因pandas的出現，讓python語言也成為使用最廣泛而且強大的資料分析環境之一。pandas的主要功能 具備對其功能的資料結構dataframe，series 整合時間序列功能 提供豐富的數 算和操作 靈活處理缺失...

python資料分析 Pandas

import pandas as pd series 可以看做乙個定長的有序字典。基本任意的一維資料都可以用來構造 series 物件 s pd.series 1,2,3.0,abc s1 pd.series data 1,3,5,7 index a b x y 通過下標獲取資料 s1 a seri...

資料分析之Pandas

from pandas import series,dataframe import pandas as pd import numpy as np states california ohio oregon texas year 2000,2001,2002,2003 value 35000,71...