数学之路-python数据处理(2)
来源:互联网 发布:怎样使用通达信软件 编辑:程序博客网 时间:2024/06/03 23:41
插入列
# -*- coding: utf-8 -*-
"""
Created on Mon Mar 09 11:21:02 2015
@author: myhaspl@myhaspl.com
"""
print u"python数据分析\n"
import pandas as pd
import numpy as np
#构造商品销量数据
mydf = pd.DataFrame({u'商品地区编码':[1,1,3,2,4,3],u'商品A':np.random.randint(0,1000,size=6),u'商品B':np.random.randint(0,1000,size=6),u'商品C':np.random.randint(0,1000,size=6)})
allsales=mydf.values[:,1]+mydf.values[:,2]+mydf.values[:,3]
#插入一列
mydf.insert(0,u'总销量',pd.Series(allsales))
#按2个列名先排序,by后跟列名,表示按列名
mynewdf=mydf.sort_index(axis=0, by=[u'商品地区编码',u'总销量'],ascending=[True,False])
print mynewdf
python数据分析
总销量 商品A 商品B 商品C 商品地区编码
0 1436 805 858 577 1
1 1370 422 606 763 1
3 397 445 41 354 2
5 851 737 629 219 3
2 815 682 133 679 3
4 749 999 521 224 4
>>>
下面也是一个例子
# -*- coding: utf-8 -*-
"""
Created on Mon Mar 09 11:21:02 2015
@author: myhaspl@myhaspl.com
"""
本博客所有内容是原创,如果转载请注明来源
http://blog.csdn.net/myhaspl/
print u"python数据分析\n"
import pandas as pd
import numpy as np
#构造商品销量数据
mydf = pd.DataFrame({u'商品地区编码':[1,1,3,2,4,3],u'商品A':np.random.randint(0,1000,size=6),u'商品B':np.random.randint(0,1000,size=6),u'商品C':np.random.randint(0,1000,size=6)})
allsales=mydf.values[:,1]+mydf.values[:,2]+mydf.values[:,3]
#插入一列
mydf.insert(0,u'总销量',pd.Series(allsales))
print mydf
#删除列
mynewdf=mydf.drop([u'总销量'],axis=1)
print mynewdf
#移动列
myb=mynewdf.pop(u'商品B')
mynewdf.insert(2,u'商品B',myb)
print mynewdf
结果如下:
python数据分析
总销量 商品A 商品B 商品C 商品地区编码
0 964 80 940 23 1
1 1188 373 450 737 1
2 1137 907 642 492 3
3 1001 646 952 47 2
4 899 526 19 876 4
5 1225 342 430 792 3
商品A 商品B 商品C 商品地区编码
0 80 940 23 1
1 373 450 737 1
2 907 642 492 3
3 646 952 47 2
4 526 19 876 4
5 342 430 792 3
商品A 商品C 商品B 商品地区编码
0 80 23 940 1
1 373 737 450 1
2 907 492 642 3
3 646 47 952 2
4 526 876 19 4
5 342 792 430 3
>>>
- 数学之路-python数据处理(2)
- 数学之路-python数据处理(1)
- Python之DataFrame数据处理
- python之数据处理小技巧
- 数学之路-python计算实战(2)-初遇pypy
- 数学之路-分布式计算-hadoop、python与R(2)
- python数据处理2
- Python 数据处理2.0.2
- 数学之路-python计算-Theano(1)
- 数学之路(3)-模糊数学(2)
- 【数据处理·Python】时间数据处理之Arrow库(转)
- python系列之数据处理编程实例
- python 数据处理学习pandas之DataFrame(一)
- python 数据处理学习pandas之DataFrame(二)
- python 数据处理学习pandas之DataFrame(三)
- mne-python学习之二 基本数据处理
- Python地理数据处理之GDAL/OGR使用
- Python地理数据处理之Matplotlib安装使用
- java整合discuz论坛同步注册同步登录小结
- Linux常用命令
- Chapter2 Getting Started
- ppt文件格式在线转换成pdf
- json返回date类型转为字符串
- 数学之路-python数据处理(2)
- java排序的方法
- 办事原则(都是经验啊)
- 天声人語 20150310
- 利用Windows性能计数器(PerformanceCounter)监控
- JDBC详细说明
- 物联网 WIFI 一键配置原理(smartconfig) ESP8266/QCA4004
- android设置背景色为全透明和半透明
- PCA 原理简介