二、同時對 行 和 列 進行篩選
import pandas as pd
# 假設有 5 個人，分別參加了 4 門課程，獲得了對應的分數
data =
df = pd.dataframe(data)
print
(df)
name math_a english_a math_b english_b
0 alice 1.1
3.01.7
5.01 bob 2.2
2.62.5
2.62 cathy 3.3
2.03.6
2.43 dany 4.4
1.72.4
1.34 ella 5.0
3.05.0
3.0
print
(df[
['name'
,'math_a'
,'math_b']]
)# 注意這裡是 雙重
name math_a math_b
0 alice 1.1
1.71 bob 2.2
2.52 cathy 3.3
3.63 dany 4.4
2.44 ella 5.0
5.0
print
(df[
'name'])
# 注意這裡就是 單
print
(df.name)
0 alice
1 bob
2 cathy
3 dany
4 ella
name: name, dtype:
object
0 alice
1 bob
2 cathy
3 dany
4 ella
name: name, dtype:
object
print
(df.
filter
(regex=
'b$'))
# 選擇以 'b' 為結尾的 label
math_b english_b
01.7
5.01
2.52.6
23.6
2.43
2.41.3
45.0
3.0
print
(df.loc[:2
,'english_a'
:'english_b'])
# 注意，這裡的切片 與 python 本身的不同，包含了結尾！
# 所以這個例子中包含了 第 2 行 和 'english_b' 列
english_a math_b english_b
03.0
1.75.0
12.6
2.52.6
22.0
3.62.4
print
(df.iloc[:2
,[0,
3]])
# 注意，這裡的切片沒有包含第 2 行！同時選擇了 第 0 列 和 第 3 列
# 如果想要 同時選擇 0～3 列（共4列），要使用 :4
name math_b
0 alice 1.7
1 bob 2.5
print
(df.loc[df[
'english_a'
]>2,
['name'
,'english_a']]
)# 這裡我希望檢視 'english_a' 這個科目分數 2 分以上有哪些人
name english_a
0 alice 3.0
1 bob 2.6
4 ella 3.0
python Pandas讀取資料
import pandas as pd fpath 檔案路徑 df pd.read csv fpath 使用pd.read csv讀取資料 df.head 檢視前幾行資料 df.shape 檢視資料的形狀返回df的行數和列數 df.columns 檢視df的列名 df.index 檢視索引列 df....
python pandas資料分組相關
資料的分組 先初始化資料 import pandas as pd import numpy as np data df pd.dataframe data groupby 分組使用groupby函式，與mysql的相同 分組之後從乙個df變成group物件，裡面是多個df group物件再呼叫聚合函...
python pandas資料探勘實驗
import pandas as pd isir pd.read table r c users asus desktop iris pandas.csv sep print isir.head sepallength sepalwidth petallength petalwidth specie...