[Pandas] 10分钟Pandas之旅 01
来源:互联网 发布:信捷plc编程电缆dvp 编辑:程序博客网 时间:2024/05/22 03:41
原文为Pandas官网教程:10 Minutes to pandas
首先导入几个必备扩展库:
import pandas as pdimport numpy as npimport matplotlib.pyplot as plt
创建对象
创建一个Series
对象:传递一个数值列表作为参数,令Pandas使用默认索引。
s = pd.Series([1,3,5,np.nan,6,8])print(s)
创建一个DataFrame
对象:传递待datetime索引和列标签的Numpy数组作为参数。
# 首先创建一个时间序列dates = pd.date_range('20130101', periods=6)print(dates)# 创建DataFrame对象,指定index和columns标签df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))print(df)
也可以传递词典来构建DataFrame
,该词典的元素是形如Series
的对象。
df2 = pd.DataFrame({ 'A' : 1., 'B' : pd.Timestamp('20130102'), 'C' : pd.Series(1,index=list(range(4)),dtype='float32'), 'D' : np.array([3] * 4,dtype='int32'), 'E' : pd.Categorical(["test","train","test","train"]), 'F' : 'foo' })print(df2)# 查看df2对象各列的数据类型print(df2.dtypes)
观察数据
查看一个DataFrame
对象的前几行和最后几行。
print(df.head())print(df.tail(3))# 默认情况下,.head()和.tail()输出首尾的前5行,也可以手动指定输出行数。查看索引(index),列标签(columns)和Numpy数组形式的内容。
.describe()
返回简约的统计信息,在工程中非常实用。# 索引print(df.index)# 列标签print(df.columns)# 数值print(df.values)# 统计print(df.describe())灵活调教你的DataFrame
# 转置print(df.T)# 按轴排序,逐列递减print(df.sort_index(axis=1, ascending=False))# 按值排序,'B'列逐行递增print(df.sort_values(by='B'))
选中
尽管标准Python/Numpy的选中表达式很直观也很适合互动,但在生产代码中还是推荐使用Pandas里的方法如.at
,.iat
,.loc
,.iloc
,.ix
等。
获取
DataFrame
里选中的一列与Series
等效。
print(df["A"]) # 与df.A相同# 用[]分割DataFrameprint(df[0:3])print(df['20130102':'20130104'])
按标签选择
# 选中一整行print(df.loc[dates[0]])# 按标签选中复数列(所有行,输出只显示前5行)print(df.loc[:,['A','B']])# 行/列同时划分(包括起止点)print(df.loc['20130102':'20130104',['A','B']])# 返回一个元素(两个方法等效)print(df.loc[dates[0],'A'])print(df.at[dates[0],'A'])
按位置选择
# 位置索引为3的行(从0开始,所以其实是第4行)print(df.iloc[3])# 按位置索引分割DataFrameprint(df.iloc[3:5,0:2])print(df.iloc[[1,2,4],[0,2]])# 直接定位一个特定元素df.iloc[1,1]df.iat[1,1]
布尔值索引
# 用一列的值来选择数据print(df.A > 0)# 使用.isin()函数过滤数据df2 = df.copy()df2['E'] = ['one', 'one','two','three','four','three']# 提取df2中'E'值属于['two', 'four']的行print(df2[df2['E'].isin(['two','four'])])
设置
# 为DataFrame创建一个新的列,其值为时间顺序(与df相同)的索引值s1 = pd.Series([1,2,3,4,5,6], index=pd.date_range('20130102', periods=6))print(s1)df['F'] = s1# 按标签赋值df.at[dates[0],'A'] = 0# 按索引赋值df.iat[0,1] = 0# 用Numpy数组赋值df.loc[:,'D'] = np.array([5] * len(df))# 最终结果print(df)
缺失数据
Pandas默认使用np.nan
来代表缺失数据。Reindexing
允许用户对某一轴上的索引改/增/删,并返回数据的副本。
# 创建DataFrame对象df1,以dates[0:4]为索引,在df的基础上再加一个新的列'E'(初始均为NaN)df1 = df.reindex(index=dates[0:4], columns=list(df.columns) + ['E'])# 将'E'列的前两个行设为1df1.loc[dates[0]:dates[1],'E'] = 1print(df1)
处理缺失数据
# 剔除df1中含NaN的行(只要任一一列为NaN就算)df1.dropna(how='any')# 用5填充df1里的缺失值df1.fillna(value=5)# 判断df1中的值是否为缺失数据,返回True/Falsepd.isnull(df1)
阅读全文
0 0
- [Pandas] 10分钟Pandas之旅 01
- [Pandas] 10分钟Pandas之旅 02
- python之10分钟pandas
- 10分钟搞定pandas
- 10分钟入门pandas
- 10分钟学会pandas
- 10分钟Pandas教程
- 10分钟快速了解Pandas
- Pandas-office-10分钟开始
- 10 MINUTES TO PANDAS(10分钟搞定Pandas)
- 10 Minutes to pandas----十分钟搞定Pandas
- 十分钟学会pandas《10 Minutes to pandas》
- 10分钟搞定pandas,分享共勉~
- 十分钟了解pandas
- 十分钟搞定pandas
- 十分钟搞定pandas
- 十分钟搞定pandas
- 十分钟搞定pandas
- 深度神经网络在图像识别应用中的演化【笔记】
- 最小生成树Prim算法
- Spring3中js/css/jpg/gif等静态资源无法找到(No mapping found for HTTP request with URI)问题解决
- 僵尸进程和孤儿进程
- js 正则验证手机号
- [Pandas] 10分钟Pandas之旅 01
- 感染病毒WannaCry? 信息安全有华胜信泰
- 错误:argument of type "char *" is incompatible with parameter of type "LPCWSTR"
- 关于 MYSQL5.6 版本 my.ini 文件的位置
- Ubuntu linux 快速入门
- AJAX多级下拉联动【JSON】
- JAVA中设置了线程优先级,能保证这个线程一定先执行吗?
- 欢迎使用CSDN-markdown编辑器
- 使用Intellij Idea+Gradle 搭建Java 本地开发环境