pandas操作基礎

documentation：

中文文件：

import pandas as pd

series是帶標籤的一維陣列，可儲存整數、浮點數、字串、python 物件等型別的資料。軸標籤統稱為索引。呼叫pd.series函式即可建立 series。
>>> s = pd.series(data, index=index)
dataframe是由多種型別的列構成的二維標籤資料結構，類似於 excel 、sql 表，或 series 物件構成的字典。
>>> pd.dataframe(d, index=['d', 'b', 'a'], columns=['two', 'three'])

dataframe.drop(labels=none,axis=0, index=none, columns=none, inplace=false)

引數說明：

labels 就是要刪除的行列的名字，用列表給定

axis 預設為0，指刪除行，因此刪除columns時要指定axis=1；

index 直接指定要刪除的行

columns 直接指定要刪除的列

inplace=false，預設該刪除操作不改變原資料，而是返回乙個執行刪除操作後的新dataframe；

inplace=true，則會直接在原資料上進行刪除操作，刪除後無法返回。

因此，刪除行列有兩種方式：

1）labels=none,axis=0 的組合

2）index或columns直接指定要刪除的行或列
#刪除列名為a的列，如果inplace不寫預設為false，並沒有在原資料中刪除
test_1.drop('a', axis=1, inplace=true)
test_1.head(3)
#刪除列名為a的列
del test_1['a']
#刪除第0，2，4列 ，axis=0表示行，1表示列
test_1.drop(df.columns[[0, 1, 3]], axis=1)
#隱藏某列，如'age','ticket'，只觀察其他幾個列元素
test_1.drop(['age','ticket'],axis=1).head(3)
#這樣寫不可以，顯示出來的是全部
test_1.drop(['age','ticket'],axis=1)
test_1.head(3)

in [307]: data
out[307]: 
a    b  c    d
0  bar  one  z  1.0
1  bar  two  y  2.0
2  foo  one  x  3.0
3  foo  two  w  4.0
in [308]: indexed1 = data.set_index('c')
in [309]: indexed1
out[309]: 
a    b    d
c               
z  bar  one  1.0
y  bar  two  2.0
x  foo  one  3.0
w  foo  two  4.0
in [310]: indexed2 = data.set_index(['a', 'b'])
in [311]: indexed2
out[311]: 
c    d
a   b          
bar one  z  1.0
two  y  2.0
foo one  x  3.0
two  w  4.0

dataframe.reset_index(level=none, drop=false, inplace=false, col_level=0, col_fill=」)

作用：還原索引，重新變為預設的整型索引

引數說明：

level：數值型別可以為：int、str、tuple或list，預設無，僅從索引中刪除給定級別。預設情況下移除所有級別。控制了具體要還原的那個等級的索引。

drop：當指定drop=false時，則索引列會被還原為普通列；否則，經設定後的新索引值被會丟棄。預設為false。

inplace：輸入布林值，表示當前操作是否對原資料生效，預設為false。

col_level：數值型別為int或str，預設值為0，如果列有多個級別，則確定將標籤插入到哪個級別。預設情況下，它將插入到第一級。

col_fill：物件，預設『』，如果列有多個級別，則確定其他級別的命名方式。如果沒有，則重複索引名。

注：不僅僅恢復set_index的索引，對於其他篩選也有作用，比如midage = df[(df["age"]>10)& (df["age"]<50)]

in [318]: data
out[318]: 
c    d
a   b          
bar one  z  1.0
two  y  2.0
foo one  x  3.0
two  w  4.0
in [319]: data.reset_index()
out[319]: 
a    b  c    d
0  bar  one  z  1.0
1  bar  two  y  2.0
2  foo  one  x  3.0
3  foo  two  w  4.0
#不僅僅恢復set_index的索引，對於其他篩選也有作用，比如
midage = df[(df["age"]>10)& (df["age"]<50)]
midage = midage.reset_index(drop=true)

loc函式：通過行索引 "index" 中的具體值來取行資料（如取"index"為"a"的行） df.loc[ [行號/名], [列號/名] ]

iloc函式：通過行號來取行資料（如取第二行的資料） df.iloc[ [行號], [列號] ]
#將midage的資料中第100，105，108行的"pclass"，"name"和"***"的資料顯示出來
midage.loc[[100,105,108],['pclass','name','***']]
midage.iloc[[100,105,108],[2,3,4]]

dataframe.sort_index(axis=0, level=none, ascending=true, inplace=false, kind=』quicksort』, na_position=』last』, sort_remaining=true, by=none) 引數說明： axis:索引，axis=1按列排序，axis=0按行排序 level:如果不是，則對指定索引級別的值進行排序 ascending:公升序與降序排序，預設公升序 inplace:如果為true，則就地執行操作 kind:，預設為「快速排序」。選擇排序演算法。有關更多資訊，另請參見ndarray.np.sort。 mergesort是唯一穩定的演算法。對於dataframe，此選項僅在對單個列或標籤進行排序時適用。 na_position:[，預設為'last']首先將nan放在開頭，最後將nan放在結尾。未針對multiindex實施。 sort_remaining:如果為true且按級別和索引排序是多層，則按指定級別排序後也按其他級別(按順序)排序 dataframe.sort_values(by, axis=0, ascending=true, inplace=false, kind='quicksort', na_position='last') 引數說明： by：指出某個列/行名，對該列/行進行排序

其他引數同上

pandas操作基礎

pandas基礎操作

Pandas 基本介紹和基礎操作

pandas列相加 Pandas 基礎

pandas操作基礎

pandas基礎操作

Pandas 基本介紹和基礎操作

pandas列相加 Pandas 基礎

相關推薦