Pandas Pandas的函式應用

使用numpy函式可以直接生成dataframe

df = pd.dataframe(np.random.randn(5,4) - 1)
print(df)
print(np.abs(df))

0         1         2         3

0 -1.193139 -4.145649 -1.571923 -0.378310
1 -1.346353  0.574261 -0.064639 -0.208498
2 -0.247680 -0.896988  0.532693  0.216936
3 -0.887787 -2.009084 -1.221057 -1.455613
4 -0.567156 -1.625967  0.297832 -2.785613
0         1         2         3
0  1.193139  4.145649  1.571923  0.378310
1  1.346353  0.574261  0.064639  0.208498
2  0.247680  0.896988  0.532693  0.216936
3  0.887787  2.009084  1.221057  1.455613
4  0.567156  1.625967  0.297832  2.785613

每行或者每列資料應用到函式上

f = lambda x : x.max()

對每個資料使用該函式

f2 = lambda x : '%.2f' % x

sort_index()

排序預設使用公升序排序，ascending=false 為降序排序

# series

s4 = pd.series(range(10, 15), index = np.random.randint(5, size=5))
print(s4)
# 索引排序
s4.sort_index() # 0 0 1 3 3

0    10

3    11
1    12
3    13
0    14
dtype: int64
0    10
0    14
1    12
3    11
3    13
dtype: int64

sort_values(by='column name')

axis=1列排序，axis=0行排序
df4_isort = df4.sort_index(axis=1, ascending=false)
print(df4_isort) # 4 2 1 1 0

# coding:utf-8

import pandas as pd
import numpy as np
df4 = pd.dataframe(np.random.randn(3, 5),
index=np.random.randint(3, size=3),
columns=np.random.randint(5, size=5))
print(df4)
df4_vsort = df4.sort_values(by=1,ascending=false)
print(df4_vsort)

3         1         0         0         2

2  0.927526  1.474904  0.629935 -2.342644  1.294805
0 -0.271416  0.580047 -0.500053  0.011222  1.127890
2 -1.880352  1.585799  0.983135  0.616710  0.553546
3         1         0         0         2
2 -1.880352  1.585799  0.983135  0.616710  0.553546
2  0.927526  1.474904  0.629935 -2.342644  1.294805
0 -0.271416  0.580047 -0.500053  0.011222  1.127890

df_data = pd.dataframe([np.random.randn(3), [1., 2., np.nan],

[np.nan, 4., np.nan], [1., 2., 3.]])
print(df_data.head())

0         1         2

0 -0.281885 -0.786572  0.487126
1  1.000000  2.000000       nan
2       nan  4.000000       nan
3  1.000000  2.000000  3.000000

df_data.isnull()

是缺失值的地方為true，否則為false
0      1      2
0  false  false  false
1  false  false   true
2   true  false   true
3  false  false  false

print(df_data.dropna())

print(df_data.dropna(axis=1))  axis=1表示整列丟棄
根據axis的值來判斷是否丟棄整行或者整列
0         1         2
0 -0.281885 -0.786572  0.487126
3  1.000000  2.000000  3.000000
10 -0.786572
1  2.000000
2  4.000000
3  2.000000

print(df_data.fillna(-100.))

結果：            0         1           2
0   -0.281885 -0.786572    0.487126
1    1.000000  2.000000 -100.000000
2 -100.000000  4.000000 -100.000000
3    1.000000  2.000000    3.000000

apply篩選 pandas pandas實用手冊

pandas最常用的資料物件是資料框 dataframe 和series。資料框與r中的dataframe格式類似，都是乙個二維陣列。series則是乙個一維陣列，類似於列表。資料框是pandas中最常用的資料組織方式和物件。series是一種一維資料結構，每乙個元素都帶有乙個索引，與一維陣列的含義...

函式的用法 Excel函式TREND函式的用法

trend函式是乙個線性趨勢的 函式，在已知y值 x值的條件下，x對應的y值 trend共有4個引數，三個必選引數，乙個可選引數 同樣的一組資料第四引數不同，結果也是有區別的 灰色曲線是由第四引數為false時得到的結果生成的曲線。通過斜率與截距函式我們計算出這兩條曲線的斜率與截距，可以看出，第四引...

main函式的入口函式

作業系統裝載程式之後，首先執行的 並不是main的第一行,而是某些別的 這些 負責準備好main函式執行所需要的環境，並且負責呼叫main函式,執行這些 的函式稱為入口函式或入口點 entry point 視平台的不同而有不同的名字。程式的入口點實際上是乙個程式的初始化和結束部分，它往往是執行庫的一...