obj = Series(range(3),index=['a','b','c'])
index = obj.index
index
index[1:]
index[1] = 'd' # index对象是不能被修改的 Index does not support mutable operations
index = pd.Index(np.arange(3))
obj2 = Series([1.5,-2.5,0],index=index)
obj2.index is index # 索引是否为索引?
pop ={'Nevada':{2001:2.4,2002:2.9},
'Ohio':{2000:1.5,2001:1.7,2002:3.6}} #这是一个嵌套字典
frame3 = DataFrame(pop)# 嵌套字典转成Dataframe的时候外层的键作为列内层的键作为索引
frame3
'Ohio' in frame3.columns # 类似于数组的固定大小的集合方法
2003 in frame3.index
#重新索引
obj = Series([4.5,7.2,-5.3,3.6,],index=['d','b','a','c'])
obj
obj2 = obj.reindex(['a','b','c','d','e'])
obj2
obj.reindex(['a','b','c','d','e'],fill_value=0) #把空值设置成0
obj3 = Series(['blue','purple','yellow'],index=[0,2,4])
obj3
利用Python数据分析:pandas入门(三)
最新推荐文章于 2024-08-06 17:57:03 发布
本文介绍了如何使用Python的pandas库进行数据处理,包括Series的创建、索引操作、重新索引、填充缺失值,以及DataFrame的创建、行列重索引、数据删除和布尔筛选。通过示例展示了如何进行数据选取、切片和算术运算,展示了pandas强大的数据操作能力。
摘要由CSDN通过智能技术生成