python pandas使用 資料Series

2021-10-25 05:17:04 字數 4353 閱讀 2604

目錄

預設數字索引

自定義索引

索引訪問

形狀 多少個元素 

返回陣列的數值

檢視預設前五行

檢視預設後五行

nan索引

判斷資料完整   

名字賦值 運算

資料篩選

import pandas as  pd


import numpy as np


from  pandas  import series


from  pandas import dataframe


obj=series([1,2,3,4,5]) #series包含行索引，列索引


obj #預設數字索引
結果輸出：

0    1


1    2


2    3


3    4


4    5


dtype: int64
obj=series([1,2,3,4,5],index=["a","b","c","d","e"]) #series包含行索引，列索引


obj   #自定義索引
結果輸出：

a    1


b    2


c    3


d    4


e    5


dtype: int64
obj=series() #series包含行索引，列索引


obj #預設數字索引,索引必須唯一
結果輸出：

11111     1234


abcabc    2222


dtype: int64
gk=series([150,150,150,300],index=["數學","英語","語文","理科綜合"])


gk
結果輸出：

數學      150


英語      150


語文      150


理科綜合    300


dtype: int64
obj=series([11,12,13,14,15]) #series包含行索引，列索引


obj   #自定義索引
結果輸出：

0    11


1    12


2    13


3    14


4    15


dtype: int64
obj[0] #通用索引，數字訪問
結果輸出：

11
obj[0:5]
結果輸出：

0    11


1    12


2    13


3    14


4    15


dtype: int64
obj.loc[3] #預設情況是數字，自定義就是自定義
結果輸出：

14

obj.loc[1]
結果輸出：

12
obj=series([11,12,13,14,15],index=["a","b","c","d","e"]) #series包含行索引，列索引


obj   #自定義索引
結果輸出：

a    11


b    12


c    13


d    14


e    15


dtype: int64
obj[3]
結果輸出：

14
obj.loc["b"]  #只能是自定義，不可以用數字,按照實際索引
結果輸出：

12
obj[0:3]
結果輸出：

a    11


b    12


c    13


dtype: int64
obj["a":"c"] #a-c之間
結果輸出：

a    11


b    12


c    13


dtype: int64
obj.iloc[0] #按照數字索引
結果輸出：

11
obj.shape  #形狀
結果輸出：

(5,)
obj.size #多少個元素
結果輸出：

5
obj.values #返回陣列的數值,numpy
結果輸出：

array([11, 12, 13, 14, 15], dtype=int64)
obj.head() #檢視預設前五行
結果輸出：

a    11


b    12


c    13


d    14


e    15


dtype: int64
obj.tail()#檢視尾部
結果輸出：

a    11


b    12


c    13


d    14


e    15


dtype: int64
mydict= 


index=["a","b","x"] #不在索引的資料會被忽略，nan不存在


obj=series(mydict,index=index)


obj
結果輸出：

a    1.0


b    2.0


x    nan


dtype: float64
pd.isnull(obj) #判斷資料完整
結果輸出：

a    1.0


b    2.0


x    nan


dtype: float64
pd.notnull(obj) #判斷資料不為空
結果輸出：

a     true


b     true


x    false


dtype: bool
obj.isnull()
結果輸出：

a    false


b    false


x     true


dtype: bool
obj.notnull()
結果輸出：

a     true


b     true


x    false


dtype: bool
obj.notnull()


obj
結果輸出：

a    1.0


b    2.0


x    nan


name: nimei, dtype: float64
obj+2 #每個數+2
結果輸出：

a    3.0


b    4.0


x    nan


name: nimei, dtype: float64
obj[obj>1] #資料篩選
結果輸出：

b    2.0


name: nimei, dtype: float64

Python pandas連線mysql資料庫

首先安裝包 pip install pandas pip install sqlalchemy pip install pymysql 初始化資料庫連線 import pandas as pd from sqlalchemy import create engine 初始化資料庫連線 按實際情況依次...

python pandas使用記錄

在使用numpy中array格式的矩陣時，我們通常使用如a 2 4,5 10 獲取陣列中一部分資料，但是dataframe結構的陣列就不能這麼寫，可以使用iloc方法，即index locate,另外有個相似的方法loc,這個方法是通過column名字進行資料定位的 import pandas as...

Python pandas 使用 速查

在注釋中的路徑不能使用 只能用 或者 否則執行的時候還是會報unicode 編譯錯誤 list filter lambda s not s.startswith list0 對 list 進行過濾，返回符合條件的 結果列表 使用 regex 查詢並返回有 orders 的 列表item 返回只有 o...