Python Pandas库的学习（二）

约定不等于承诺〃 2021-11-26 11:14 363阅读 0赞

今天我们继续讲下Python中一款数据分析很好的库。Pandas的学习

接着上回讲到的，如果有人听不懂，麻烦去翻阅一下我前面讲到的Pandas学习（一）

如果我们在数据中，想去3，4，5这几行数据，那么我们怎么取呢？

food.loc[3:6]

![1569266-20190507181730794-1969638661.png][]

可以看到，这种取法跟Python中，切片操作一样。

如果我想去单独某几条数据，只需要传入index值即可

food.loc[[2,5,10]]

![1569266-20190507182211477-928020038.png][]

如果我先想不通过行去取数据，想通过列去取数据的话，我们该怎么做呢？？

我们可以通过列名去拿取数据

col_NB = food["NDB_No"]
    print(col_NB)

![1569266-20190507182705324-443209424.png][]

可以看到，我们取到了第一列的数据出来。

那么我们想取两列数据出来，我们应该怎么操作呢？

方法跟上面一样，将列名加到里面，组成一个list列表。

col_2 = ["Zinc_(mg)","Copper_(mg)"]
    col_2_all = food[col_2]
    print(col_2_all)

![1569266-20190507183230927-566452986.png][]

来我们看下数据上面，有些列名是带了单位的，那么我们怎么选择其中某几个一样单位的列呢？

![1569266-20190508090427978-2019815222.png][]

我们先要取到全部的列名，然后将列名中带有单位（g）的列名取出，并单独放到一个列表中，最后在取这个列表中的列的数据即可

col_names = food.columns.tolist()
    print(col_names)
    gram_columns = []
    for c in col_names:
        if c.endswith("(g)"):
            gram_columns.append(c)
    gram_df = food[gram_columns]
    print(gram_df.head(3))

这些都是些简单的操作，

![1569266-20190508090937297-788007619.png][]

再比如说，我们想进行一些加减乘除的操作。

我想把单位为mg的数据，转换成g的数据，这里的做法，就跟Numpy是类似的。

print(food["Iron_(mg)"])
    div_1000 = food["Iron_(mg)"]/1000
    print(div_1000)

![1569266-20190508115910562-1283107906.png][]

我们在对某个数据上进行操作，即可得到我们想要的结果。

water_energy = food["Water_(g)"]*food["Energ_Kcal"]

对应位置的乘法操作，需要保证的是，维度要相同才可以！

water_energy = food["Water_(g)"]*food["Energ_Kcal"]
    water_energy = food["Water_(g)"]*food["Energ_Kcal"]
    iron_grams = food["Iron_(mg)"]/1000
    print(food.shape)
    food["Iron_(g)"]=iron_grams
    print(food.shape)

![1569266-20190508120541402-2143181054.png][]

上一段代码可以看到，我们把一列名称的值，进行单位转换，把mg转换为g，然后新建了一列数据

将这列数据放到数据集中，之前打印出来的数据维度，8618个样本，和36个属性值。后面打印的

是37个属性值，也就是我们将新的属性值，放入到原来的数据值中了！前提是，其中的维度要对应上才可以。

weighted_protein = food["Protein_(g)"]*2
    weighted_fat =-0.75* food["Lipid_Tot_(g)"]
    initial_rating = weighted_protein + weighted_fat

比如说这些运算操作， 维度一样，相当于对应位置进行运算。

跟Numpy一样，我们也有一些别方法，求最大值，最小值，平均值等等

![1569266-20190508122831276-1272709629.png][]

方式基本上跟Numpy类似。

今天就先讲到这里。感谢大家的阅读！感谢~~

转载于:https://www.cnblogs.com/ws17345067708/p/10831116.html

[1569266-20190507181730794-1969638661.png]: /images/20211126/8b5d6d1664c240a3a4a81366c7d8cf26.png
[1569266-20190507182211477-928020038.png]: /images/20211126/f52b26422f164e349abc9409b93593ea.png
[1569266-20190507182705324-443209424.png]: /images/20211126/b0f88df37f9746f8bf4be4ddcbf5c164.png
[1569266-20190507183230927-566452986.png]: /images/20211126/213a501c81aa46f7bc930b8ac52214a0.png
[1569266-20190508090427978-2019815222.png]: /images/20211126/1f2832a1f19a4d89bb77be0edf804ac4.png
[1569266-20190508090937297-788007619.png]: /images/20211126/1a09cb45c8b944c98ab08d9d03ce0e8b.png
[1569266-20190508115910562-1283107906.png]: /images/20211126/1bc0d19f1e4b455f876c6aea74cb5718.png
[1569266-20190508120541402-2143181054.png]: /images/20211126/be2f9a9fa5dc452198f3997e68c8b955.png
[1569266-20190508122831276-1272709629.png]: /images/20211126/5c5a2624398f4ab5a2684acecedcf62d.png