13518219792
网站建设资讯

NEWS

网站建设资讯

pandas数据分析模块怎么在Python中使用-创新互联

这期内容当中小编将会给大家带来有关pandas数据分析模块怎么在Python中使用，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

网站建设哪家好，找创新互联公司！专注于网页设计、网站建设、微信开发、小程序定制开发、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了阿拉善盟免费建站欢迎大家使用！

创建对象

常规导入方式：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
Series

  • Series 可以看做一个定长的有序字典，它是能够保存任何数据类型（整数，字符串，浮点数，Python对象等）的一维标记数组。

  • Series对象包含两个主要的属性：index 和 values。

  • 数据可以是Python字典、 ndarray、scalar value标量值（如5）等

  • 创建时有没有index都会设置默认下标，但是索引用的是数组时会默认使用创建时的索引

  • 创建时还可以指定name名字属性，之后可以修改 rename

ser1 = pd.Series(range(10,15),index=list('ABCDE'))
print(ser1)
# 下标和索引等同
print(ser1['A'])
print(ser1[0])

输出：

A    10
B    11
C    12
D    13
E    14
dtype: int64
10
10

取连续多个数据时，下标取值不包含结束位置，索引切片包括结束位置

print(ser1['A':'D'])
print(ser1[0:3])

输出：

A    10
B    11
C    12
D    13
dtype: int64
A    10
B    11
C    12
dtype: int64

取多个数据、条件筛选（布尔索引）

# 注意里面是一个列表
print(ser1[[0,1,3]])
# 布尔索引
print(ser1[(ser1>12)&(ser1<15)])
DataFrame

DataFrame是二维标记数据结构。 您可以将其视为电子表格或SQL表，或Series对象。 它通常是最常用的pandans对象。 像Series一样，DataFrame接受许多不同种类的输入：

  • Dict of 1D ndarrays, lists, dicts, or Series

  • 2-D numpy.ndarray

  • Structured or record ndarray

  • A Series

  • Another DataFrame

df1 = pd.DataFrame(np.random.randint(10,50,(3,4)), - index=list('ABC'),columns=list('abcd'))

  • index是行索引，colums是列索引

  • 用字典创建时，键名就是列索引，而且键值可以为列表，会自动补齐

取单行或单列数据，取单个数据

# 列取值，取出的是一个series对象
print(df1['a'])
print(df1['a'].values)
# 取出一行数据的某一行数据，也就是单个数据
print(df1['a']['B']) # 这两个一样
print(df1['a'][1])

取不连续多列，取连续多列（默认不支持连续，需要高级索引）

# 取不连续多列
print(df1[['a','c']])

行索引，可以直接切片,但是默认不能不连续多行取值，下标同理

print('行索引取值##############')
print(df1['A':'A'])
# 取连续多行就是df1['A':'C']
高级索引(花式索引)

一般情况用于DataFrame，这里直接略过Series

loc标签索引
df1 = pd.DataFrame(np.random.randint(10,50,(5,4)), index=list('ABCDE'),columns=list('abcd'))
# 取单行，类型是series
print(df1.loc['A'])
print(type(df1.loc['A']))
# 取连续多行，类型是DataFrame
print(df1.loc['A':'C'])
# 如果没有index索引就用下标，可以取连续多行连续多列
print(df1.loc['A':'D','a':'c'])
# 取不连续多行不连续多列
print(df1.loc[['A','C'],['a','c']])
iloc 位置索引

iloc是下标和lo用法一样，但是下标索引左闭右开，loc是包括最后一位

# DataFrame
print(df1.iloc[0:2, 0]) # 注意和df1.loc['A':'C', 'a']的区别
print(df1.loc['A':'C', 'a'])
ix 标签与位置混合索引

博主使用的pandas 0.24.2版本已经弃用.ix了(warning但还能使用)，所以也就不写了

  • ix是以上二者的综合，既可以使用索引编号，又可以使用自定义索引，要视情况不同来使用，

  • 如果索引既有数字又有英文，那么这种方式是不建议使用的，容易导致定位的混乱。

增加数据
12
增加一行数据1.df1.loc[‘D'] = [1,2,3,4,5] 2.df1.loc[‘D'] = [np.random.randint(10,20)]
增加一列数据df1.

上述就是小编为大家分享的pandas数据分析模块怎么在Python中使用了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。


文章名称：pandas数据分析模块怎么在Python中使用-创新互联
链接URL：http://njwzjz.com/article/diddgg.html

其他资讯