pandas基本操作 1

這裡來介紹一下pandas。由於知識點比較多，決定分幾篇介紹。

import numpy as np
import pandas as pd 
#pandas是基於numpy的乙個開源python庫。
#我認為相當於python版excel
#series是一種一維陣列，是基於ndarray設計的，但是他多了乙個功能就是自定義標籤。
#說的明白點就是索引。因此可以通過這個索引來訪問陣列中的資料
#建立語法如下：
#my_series=pd.series(data,index)
countries=['usa','france','china','england']
my_data=[100,200,300,400]
my_series=pd.series(my_data,countries)
my_series
usa        100
france     200
china      300
england    400
dtype: int64
#注意，index是可以省略的，這時系統會自動已預設index進行索引，這時的series就類似陣列了。
pd.series(my_data)
0    100
1    200
2    300
3    400
dtype: int64
#從numpy陣列物件來建立series：
np_arr=np.array(my_data)
pd.series(np_arr)
0    100
1    200
2    300
3    400
dtype: int64
#從字典來建立series似乎更方便
#pandas會自動把字典的鍵值設定成series的index，並將對應的values放在和索引對應的data裡
#這也證明了，pandas的series可以存放各種不同型別的物件。
my_dict=
pd.series(my_dict)
a    50
b    60
c    70
d    80
dtype: int64
#從series中獲取資料，和字典操作基本一樣。
my_dict['b']
60

#對series進行算術運算操作 #基於index進行，可以用加減乘除這樣的運算子對兩個series進行運算。 #結果均以浮點數的形式儲存，以免丟失精度。 series1=pd.series([1,2,3,4],['shandong','wuhan','changsha','hangzhou']) series2=pd.series([4,7,9,2],['beijing','tianjin','shijiazhuang','hangzhou']) #如果pandas在兩個series裡找不到相同的index，對應位置就返回空值nan。 series1-series2 beijing nan changsha nan hangzhou 2.0 shandong nan shijiazhuang nan tianjin nan wuhan nan dtype: float64 series1+series2 beijing nan changsha nan hangzhou 6.0 shandong nan shijiazhuang nan tianjin nan wuhan nan

dtype: float64

#dataframes #pandas的dataframe是一種2維資料結構，資料以**的形式儲存，分為若干行和列。 #下面用多個series來構建乙個dataframe。道理很簡單，多個一維陣列組合起來就變成了二維陣列 df=pd.dataframe(df) name age size 東齊 32 2332 南楚 42 4212 西秦 32 3242 東北燕 45 4455 北趙 14 1324 中北魏 22 2232

中韓 34 3784

#用乙個字典來建立dataframe
data=
my_df=pd.dataframe(data,index=['first','second','last'])
my_df
name      age   year
first           dwd           32        2012
second  dwds       43   2123
last            fgerd   1231    2312
my_df[['age','year']]
age year
first   32  2012
second  43  2123
last    1231    2312

#給dataframe增加資料列
#1.可以從頭開始定義乙個pd.series,放到表中.
#2.可以用現有的列來產生需要的新列。
#1my_df['size']=pd.series([323,123,435],['first','second','last'])
my_df
name    age year    size
first   dwd 32  2012    323
second  dwds    43  2123    123
last    fgerd   1231    2312    435
#2從其他列中創造新列
my_df['pip']=my_df['age']+my_df['size']
my_df=pd.dataframe(my_df)
my_df
name    age year    size    pip
first   dwd 32  2012    323 355
second  dwds    43  2123    123 166
last    fgerd   1231    2312    435 1666

#從dataframe刪除行/列。用drop（）函式。 #使用時需要指定具體的刪除方向，axis=0對應的是行row，axis=1對應的是列column。 my_df.drop('pip',axis=1) name age year size first dwd 32 2012 323 second dwds 43 2123 123 last fgerd 1231 2312 435 my_df.drop('first',axis=0) name age year size pip second dwds 43 2123 123 166

last fgerd 1231 2312 435 1666

未完待續

pandas基本操作 1

Pandas基本操作

pandas基本操作

pandas的基本操作

pandas基本操作 1

Pandas基本操作

pandas基本操作

pandas的基本操作

相關推薦