pandas——DataFrame

阳光穿透心脏的1/2处 2021-11-27 05:04 388阅读 0赞

Series 一维数据，带标签的数组
    DataFrame 二维数据，Series容器

**DataFrame**

import pandas as pd
    import numpy as np
    t = pd.DataFrame(np.arange(12).reshape(3,4))
    print(t)
    """ 0 1 2 3 0 0 1 2 3 1 4 5 6 7 2 8 9 10 11 """

二维情况下
    行索引 index     0轴 axis = 0
    列索引 columns   1轴 axis = 1

import pandas as pd
    import numpy as np
    t = pd.DataFrame(np.arange(12).reshape(3,4),index=list("xyz"),columns=list("abcd"))
    print(t)

通过字典创建DataFrame 会怎么样？

import pandas as pd
    
    tmp_dict = { 
    "name":["xiaoma","xiaoming"],
    "age":[47,28],
    "tel":["10086","10010"]
    }
    
    t = pd.DataFrame(tmp_dict)
    print(t)
    print(type(t))
    
    """ 行索引：0,1,2,3.... 列索引 字典的键 """
    
    
    tmp2 = [
      { "name":"XX","age":22,"tel":"10086"},
      { "name":"PP","age":47},
      { "name":"TT","tel":"10086"},
            ]
    
    t2 = pd.DataFrame(tmp2)
    print(t2)
    """ name age tel 0 XX 22.0 10086 1 PP 47.0 NaN 2 TT NaN 10086 没有的值，会变成NaN """

t.index       #行索引
    t.columns     #列索引
    t.values      #数值
    t.shape       #形状
    t.dtypes      #每列的类型
    t.ndim        #数据的维度
    
    t.head(3)     #显示数据的前3行，默认5
    t.tail(2)     #显示末尾的2行，默认5
    t.info()      #相关信息概览，行数 列数 列索引 列非空值个数 列类型 内存占用
    t.describe()  #快速统计数值列的情况，计数 均值 标准差 最大值 四分位数 最小值

# 排序
    df.soft_values(
        by="Count_AnimalName",
        ascending=False
    )
    
    # ascending=False 降序
    # ascending=True 升序

# DataFrame索引
    df[数 字]  # 表示行索引
    df[字符串] # 表示列索引
    
    df[:100]["Count_AnimalName"] # 先取前100行，再取列

pandas loc

#获取a行z列
    t.loc["a","Z"]
    
    # 获取a行
    t.loc["a"] 
    t.loc["a",:]
    
    # 取列
    t.loc[:,"Z"]
    
    # 取多行
    t.loc[["a","c"],:]
    
    # 获取a到c行，W和Z列的数据
    t.loc["a":"c",["W","Z"]]

t.iloc 同 t.loc
    不过传入的是数字索引

布尔索引

df[df["age"]>50]
    df[(df["age"]>50)&(df["age"]<80]
    
    """
    & 且
    | 或
    
    df["name"].str.len() <4
    """

处理NaN

https://blog.csdn.net/Tyro_java/article/details/81396000

0\]  
df\[(df\[“age”\]>50)&(df\[“age”\]<80\]

“”"  
& 且  
| 或

df\[“name”\].str.len() <4  
“”"

处理NaN

[https://blog.csdn.net/Tyro\_java/article/details/81396000][https_blog.csdn.net_Tyro_java_article_details_81396000]

[https_blog.csdn.net_Tyro_java_article_details_81396000]: https://blog.csdn.net/Tyro_java/article/details/81396000