创建示例数据
data = {
‘index’: [‘A’, ‘B’, ‘C’],
‘value’: [1, 2, 3]
}
df = pd.DataFrame(data)
对 DataFrame 进行重置索引
reset_df = df.reset_index()
print(reset_df)
level_0 index value
0 0 A 1
1 1 B 2
2 2 C 3
将当前的索引列变为普通的数据列,并重新生成默认整数索引
#### 删除指定的列
import pandas as pd
创建示例数据
data = {
‘Length’: [2, 3, 4],
‘Height’: [3, 4, 5],
‘Width’: [1, 1, 1]
}
df = pd.DataFrame(data)
使用 drop() 方法删除指定的列
new_df = df.drop(columns=[‘Length’, ‘Height’])
print(new_df)
Width
0 1
1 1
2 1
### 筛选
#### 筛选行
筛选符合条件的行
import pandas as pd
创建示例DataFrame
data = {
‘Name’: [‘Alice’, ‘Bob’, ‘Cathy’, ‘David’],
‘Age’: [25, 30, 22, 28],
‘Gender’: [‘F’, ‘M’, ‘F’, ‘M’]
}
df = pd.DataFrame(data)
过滤年龄大于25岁的行
filtered_df = df[df[‘Age’] > 25]
打印过滤后的DataFrame
print(filtered_df)
Name Age Gender
1 Bob 30 M
3 David 28 M
去除重复行
import pandas as pd
创建示例DataFrame
data = {
‘Name’: [‘Alice’, ‘Bob’, ‘Cathy’, ‘Alice’, ‘Bob’],
‘Age’: [25, 30, 22, 25, 30]
}
df = pd.DataFrame(data)
删除重复行
deduplicated_df = df.drop_duplicates()
打印删除重复行后的DataFrame
print(deduplicated_df)
Name Age
0 Alice 25
1 Bob 30
2 Cathy 22
通过query筛选符合条件的行
import pandas as pd
创建示例DataFrame
data = {
‘Width’: [3, 4, 2, 5],
‘Length’: [7, 6, 8, 5]
}
df = pd.DataFrame(data)
使用query来筛选行
filtered_df = df.query(‘Length > 7 and Width < 8’)
打印筛选后的DataFrame
print(filtered_df)
Width Length
2 2 8
除了上面的,还有:随机取出某个比例的行、随机取出指定数量的行,取出最大的n行,取出最小的n行,取出前n行,取出后n行
#### 筛选列
筛选多列
import pandas as pd
创建示例DataFrame
data = {
‘id’: [1, 2, 3, 4],
‘width’: [3, 4, 2, 5],
‘length’: [7, 6, 8, 5],
‘species’: [‘a’, ‘b’, ‘a’, ‘c’]
}
df = pd.DataFrame(data)
选择特定列
selected_columns = df[[‘width’, ‘length’, ‘species’]]
打印选择的列
print(selected_columns)
width length species
0 3 7 a
1 4 6 b
2 2 8 a
3 5 5 c
筛选单列
import pandas as pd
创建示例DataFrame
data = {
‘width’: [3, 4, 2, 5],
‘length’: [7, 6, 8, 5],
‘species’: [‘a’, ‘b’, ‘a’, ‘c’]
}
df = pd.DataFrame(data)
选择特定列
selected_column = df[‘width’]
打印选择的列
print(selected_column)
0 3
1 4
2 2
3 5
Name: width, dtype: int64
筛选符合正则表达式的列
import pandas as pd
创建示例DataFrame
data = {
‘apple’: [3, 4, 2, 5],
‘banana’: [7, 6, 8, 5],
‘cherry’: [2, 8, 5, 7],
‘date’: [11, 12, 13, 14]
}
df = pd.DataFrame(data)
使用正则表达式选择列名
selected_columns = df.filter(regex=‘^a’) # 选择以字母 ‘a’ 开头的列
打印选择的列
print(selected_columns)
apple
0 3
1 4
2 2
3 5
#### 筛选行和列
iloc:通过索引数字定位的形式
import pandas as pd
创建示例DataFrame
data = {
‘A’: [1, 2, 3, 4],
‘B’: [5, 6, 7, 8],
‘C’: [9, 10, 11, 12],
‘D’: [13, 14, 15, 16],
‘E’: [17, 18, 19, 20]
}
df = pd.DataFrame(data)
使用iloc来选择特定的行和列
selected_data = df.iloc[:, [1, 2, 4]]
打印选择的行和列
print(selected_data)
B C E
0 5 9 17
1 6 10 18
2 7 11 19
3 8 12 20
loc:通过列名定位的形式
import pandas as pd
创建示例DataFrame
data = {
‘a’: [15, 8, 12, 20],
‘b’: [25, 18, 22, 30],
‘c’: [35, 28, 32, 40]
}
df = pd.DataFrame(data)
使用 loc 来选择符合特定条件的行和指定的列
selected_data = df.loc[df[‘a’] > 10, [‘a’, ‘c’]]
打印选择的行和列
print(selected_data)
a c
0 15 35
2 12 32
3 20 40
总结:可以看到无论是iloc,还是loc都可以传递两个参数,第一个参数代表过滤行,第二个条件代表过滤列,如果只有一个参数,那么只会过滤行,同时参数支持多种类型,比如
* **冒号**,代表整行,如df.iloc[:, [1, 2, 5]]
* **索引列表**,代表列号,df.iloc[:, [1, 2, 5]]
* **索引1:索引2**,代表列范围,如df.iloc[10:20]
* **列名1:列名2**,代表列范围,如df.loc[:, ‘x2’:‘x4’]
* **比较运算**,代表符合条件的行,如df.loc[df[‘a’] > 10, ['a’, ‘c’]]
iat、at类似,不过是筛选单个值
### 汇总数据
#### 获得各个值的次数
import pandas as pd
创建示例数据
data = {
‘w’: [‘A’, ‘B’, ‘A’, ‘C’, ‘A’, ‘A’, ‘B’]
}
df = pd.DataFrame(data)
使用 value_counts() 方法统计 ‘w’ 列中各个取值的出现次数
value_counts_result = df[‘w’].value_counts()
print(value_counts_result)
w
A 4
B 2
C 1
#### 获得行数
import pandas as pd
创建示例数据
data = {
‘A’: [1, 2, 3],
‘B’: [‘a’, ‘b’, ‘c’]
}
df = pd.DataFrame(data)
使用 len(df) 获取 DataFrame 的行数
rows_count = len(df)
print(rows_count)
3
#### 获得行数和列数
import pandas as pd
创建示例数据
data = {
‘A’: [1, 2, 3],
‘B’: [‘a’, ‘b’, ‘c’]
}
df = pd.DataFrame(data)
使用 shape 属性获取 DataFrame 的行数和列数
shape = df.shape
print(shape)
(3, 2)
#### 获得唯一值的个数
import pandas as pd
创建示例数据
data = {
‘w’: [‘A’, ‘B’, ‘A’, ‘C’, ‘A’, ‘A’, ‘B’]
}
df = pd.DataFrame(data)
使用 nunique() 方法获取 ‘w’ 列的唯一值个数
unique_values_count = df[‘w’].nunique()
print(unique_values_count)
3
#### 获得每一列的统计信息
import pandas as pd
创建示例数据
data = {
‘A’: [1, 2, 3, 4, 5],
‘B’: [10, 20, 30, 40, 50]
}
df = pd.DataFrame(data)
使用 describe() 方法生成描述性统计信息
description = df.describe()
print(description)
A B
count 5.000000 5.000000
mean 3.000000 30.000000
std 1.581139 15.811388
min 1.000000 10.000000
25% 2.000000 20.000000
50% 3.000000 30.000000
75% 4.000000 40.000000
max 5.000000 50.000000
#### 其他
import pandas as pd
创建示例DataFrame
data = {
‘Name’: [‘Alice’, ‘Bob’, ‘Cathy’, ‘David’],
‘Age’: [25, 30, 22, 28],
‘Score’: [80, 75, 90, 85]
}
df = pd.DataFrame(data)
计算年龄的均值
average_age = df[‘Age’].mean()
计算分数的总和
total_score = df[‘Score’].sum()
打印汇总结果
print(“Average Age:”, average_age)
print(“Total Score:”, total_score)
Average Age: 26.25
Total Score: 330
出了上面的形式,还可以取出某一列数据,求和、计算平均值、最大值、最小值、百分位数、标准差、中位数等
### 分组数据
#### 根据某一列来分组
import pandas as pd
创建示例数据
data = {
‘col1’: [‘A’, ‘B’, ‘A’, ‘B’, ‘A’, ‘A’],
‘col2’: [1, 2, 2, 3, 3, 4],
‘col3’: [10, 20, 30, 40, 50, 60]
}
df = pd.DataFrame(data)
按 ‘col1’ 列进行分组并计算平均值
grouped = df.groupby(by=‘col1’).mean()
print(grouped)
col2 col3
col1
A 2.5 37.5
B 2.5 30.0
按指定的列进行分组,然后计算每一列,每个分组
#### 根据某一个索引来分组
import pandas as pd
创建示例DataFrame(带有多层索引)
arrays = [[‘A’, ‘A’, ‘B’, ‘B’], [1, 2, 1, 2]]
index = pd.MultiIndex.from_arrays(arrays, names=(‘ind’, ‘sub_ind’))
df = pd.DataFrame({‘values’: [10, 20, 30, 40]}, index=index)
print(df)
按照第一级索引 “ind” 进行分组,并计算每组的总和
grouped = df.groupby(level=“ind”).sum()
打印分组计算的结果
print(grouped)
values
ind sub_ind
A 1 10
2 20
B 1 30
2 40
values
ind
A 30
B 70
按指定的行索引分组,然后计算每一列、每个分组
#### 下移/上移
import pandas as pd
创建示例数据
data = {
‘value’: [10, 20, 30, 40, 50]
}
df = pd.DataFrame(data)
使用 shift(1) 方法将数据向下移动一个位置
shifted_df = df.shift(1)
print(shifted_df)
value
0 NaN
1 10.0
2 20.0
3 30.0
4 40.0
#### 秩
import pandas as pd
创建示例数据
data = {
‘A’: [10, 20, 20, 30, 30, 30]
}
df = pd.DataFrame(data)
使用 rank(method=‘dense’) 方法计算 ‘A’ 列中各个元素的秩
ranked_values = df[‘A’].rank(method=‘dense’)
print(ranked_values)
0 1.0
1 2.0
2 2.0
3 3.0
4 3.0
5 3.0
Name: A, dtype: float64
#### 累计值
比如累加和、累加最大值、最小值、累加乘积
import pandas as pd
创建示例数据
data = {
‘A’: [1, 2, 3, 4, 5]
}
df = pd.DataFrame(data)
使用 cumsum() 方法计算 ‘A’ 列中各个元素的累积和
cumulative_sum = df[‘A’].cumsum()
print(cumulative_sum)
0 1
1 3
2 6
3 10
4 15
Name: A, dtype: int64
### 处理缺失值
#### 删除缺失值
import pandas as pd
创建示例数据
data = {
‘A’: [1, 2, None, 4],
‘B’: [None, 5, 6, 7],
‘C’: [8, 9, 10, 11]
}
df = pd.DataFrame(data)
删除包含缺失值的行
cleaned_df = df.dropna()
print(cleaned_df)
A B C
1 2.0 5.0 9
3 4.0 7.0 11
#### 填充缺失值
import pandas as pd
创建示例数据
data = {
‘A’: [1, 2, None, 4],
‘B’: [None, 5, 6, 7],
‘C’: [8, 9, 10, 11]
}
df = pd.DataFrame(data)
用指定值填充缺失值
filled_df = df.fillna(value=0)
print(filled_df)
A B C
0 1.0 0.0 8
1 2.0 5.0 9
2 0.0 6.0 10
3 4.0 7.0 11
### 构建新列
#### 使用assign增加新的列
import pandas as pd
创建示例数据
data = {
‘Length’: [2, 3, 4, 5],
‘Height’: [3, 4, 5, 6]
}
df = pd.DataFrame(data)
使用 assign() 方法计算面积并创建新的列
df_with_area = df.assign(Area=lambda x: x[‘Length’] * x[‘Height’])
print(df_with_area)
Length Height Area
0 2 3 6
1 3 4 12
2 4 5 20
3 5 6 30
#### 通过数据运算增加单列
import pandas as pd
创建示例数据
data = {
‘Length’: [2, 3, 4, 5],
‘Height’: [3, 4, 5, 6],
‘Depth’: [1, 2, 1, 3]
}
df = pd.DataFrame(data)
通过对现有列进行运算创建新列
df[‘Volume’] = df[‘Length’] * df[‘Height’] * df[‘Depth’]
print(df)
Length Height Depth Volume
0 2 3 1 6
1 3 4 2 24
2 4 5 1 20
3 5 6 3 90
#### 使用qcut进行分箱
import pandas as pd
创建示例数据
data = {
‘col’: [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
}
df = pd.DataFrame(data)
使用 pd.qcut() 方法对数据进行分箱
df[‘bin’] = pd.qcut(df[‘col’], 3, labels=False)
print(df)
col bin
0 10 0
1 20 0
2 30 0
3 40 1
4 50 1
5 60 1
6 70 2
7 80 2
8 90 2
9 100 2
#### 每行的最大值
import pandas as pd
创建示例数据
data = {
‘A’: [1, 2, 3],
‘B’: [4, 5, 6],
‘C’: [7, 8, 9]
}
df = pd.DataFrame(data)
使用 max(axis=1) 方法计算每行的最大值
max_values = df.max(axis=1)
print(max_values)
0 7
1 8
2 9
dtype: int64
#### 将值限制在某个范围内
import pandas as pd
创建示例数据
data = {
‘A’: [15, 5, -8, 12, 20]
}
df = pd.DataFrame(data)
使用 clip(lower=-10, upper=10) 方法将值限制在 -10 和 10 之间
clipped_df = df.clip(lower=-10, upper=10)
print(clipped_df)
A
0 10
1 5
2 -8
3 10
4 10
计算某列各个元素的绝对值
import pandas as pd
创建示例数据
data = {
‘A’: [1, -2, 3, -4, 5]
}
df = pd.DataFrame(data)
使用 abs() 方法计算 ‘A’ 列中各个元素的绝对值
absolute_values = df[‘A’].abs()
print(absolute_values)
0 1
1 2
2 3
3 4
4 5
Name: A, dtype: int64
### 合并数据集
#### 标准连接
包括和数据库类似的:左连接、右连接、内连接、外连接,这里以外连接为例
import pandas as pd
创建示例数据
data_a = {
‘x1’: [‘A’, ‘B’, ‘C’],
‘value_a’: [1, 2, 3]
}
data_b = {
‘x1’: [‘A’, ‘B’, ‘D’],
‘value_b’: [4, 5, 6]
}
adf = pd.DataFrame(data_a)
bdf = pd.DataFrame(data_b)
使用 pd.merge() 方法进行外连接
merged_df = pd.merge(adf, bdf, how=‘outer’, on=‘x1’)
print(merged_df)
x1 value_a value_b
0 A 1.0 4.0
1 B 2.0 5.0
2 C 3.0 NaN
3 D NaN 6.0
#### 过滤连接
从a中找到那些在b中有配对的行
import pandas as pd
创建示例数据
data_a = {
‘x1’: [‘A’, ‘B’, ‘C’, ‘D’],
‘value’: [1, 2, 3, 4]
}
data_b = {
‘x1’: [‘A’, ‘C’],
‘value’: [5, 6]
}
adf = pd.DataFrame(data_a)
bdf = pd.DataFrame(data_b)
使用 isin() 方法选择满足条件的行
selected_rows = adf[adf[‘x1’].isin(bdf[‘x1’])]
print(selected_rows)
x1 value
0 A 1
2 C 3
从a从找到那些在b中没有配对的行
import pandas as pd
创建示例数据
data_a = {
‘x1’: [‘A’, ‘B’, ‘C’, ‘D’],
‘value’: [1, 2, 3, 4]
}
data_b = {
‘x1’: [‘A’, ‘C’],
‘value’: [5, 6]
}
adf = pd.DataFrame(data_a)
bdf = pd.DataFrame(data_b)
使用 isin() 方法进行反向条件选择
selected_rows = adf[~adf[‘x1’].isin(bdf[‘x1’])]
print(selected_rows)
**自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。**
**深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!**
**因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。**
![img](https://img-blog.csdnimg.cn/img_convert/5c63f97d14d005513e780c812bf5e815.png)
![img](https://img-blog.csdnimg.cn/img_convert/30dd80764fbb509bc922e23d1b6d7b71.png)
![img](https://img-blog.csdnimg.cn/img_convert/9657f5dad53ccbe915887a0086ecac67.png)
![img](https://img-blog.csdnimg.cn/img_convert/60b4d378f349fce5bed9af861eaccee1.png)
![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)
![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!**
**由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新**
**如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)**
'x1': ['A', 'B', 'C', 'D'],
'value': [1, 2, 3, 4]
}
data_b = {
'x1': ['A', 'C'],
'value': [5, 6]
}
adf = pd.DataFrame(data_a)
bdf = pd.DataFrame(data_b)
# 使用 isin() 方法进行反向条件选择
selected_rows = adf[~adf['x1'].isin(bdf['x1'])]
print(selected_rows)
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
[外链图片转存中…(img-cT52cEaW-1713602071594)]
[外链图片转存中…(img-FLZykhu2-1713602071595)]
[外链图片转存中…(img-n0RKSD6H-1713602071596)]
[外链图片转存中…(img-uUCRwUQt-1713602071596)]
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)