Pandas入门(1):Series和Dataframe方法

目录

1.将列表转换成列:Series方法

​1)指定索引值

2)读取列的数据

2.Dataframe将数据转换为表格


1.将列表转换成列:Series方法

import pandas as pd
a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar)

输出结果如下:

1)指定索引值​​​​​​​

import pandas as pd
a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar)

 输出结果如下:

x    Google
y    Runoob
z      Wiki
dtype: object

2)读取列的数据


import pandas as pd
a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar[1])

输出结果如下:

2

2.Dataframe将数据转换为表格

(1)import pandas as pd
     data = [['Google',10],['Runoob',12],['Wiki',13]]
     df = pd.DataFrame(data,columns=['Site','Age'])  #columns指定列名
     print(df)
(2)import pandas as pd
     data = {
         "calories": [420, 380, 390],
         "duration": [50, 40, 45]
      }

     # 数据载入到 DataFrame 对象
     df = pd.DataFrame(data)
     print(df)
     # 返回第一行和第二行
     print(df.loc[[0, 1]])

输出结果如下:

(1)      Site  Age
      0  Google   10
      1  Runoob   12
      2    Wiki   13
(2)   calories  duration
0       420        50
1       380        40
2       390        45
   calories  duration
0       420        50
1       380        40

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Seriespandas中的一个类似一维数组的对象,它可以存储不同类型的数据,并由一组数据和与之相关的索引组成。 您可以使用pd.Series()函数来创建Series对象,其中包括数据、索引等参数。例如,通过以下代码创建一个Series对象: ```python import pandas as pd series = pd.Series([['A1', 'A2', 'A3', 'A4'], ['1', '2', '3', '4'], 5, -5, 'test'], index=['A', 'B', 'C', 'D', 'E']) ``` 您可以直接打印Series对象来查看其中的数据,也可以通过索引来获取某一行的数据,再进一步获取具体列的值。例如,通过以下代码获取Series中索引为'A'的行数据,并获取该行数据的前两个列的值: ```python print(series) print(series['A']) print(series['A'][0:2]) ``` DataFramepandas中的一个二维表格数据结构,它由行和列构成,并且每列可以有不同的数据类型。 您可以使用pd.DataFrame()函数来创建DataFrame对象,其中包括数据、列索引和行索引等参数。例如,通过以下代码创建一个DataFrame对象: ```python import pandas as pd import numpy as np data = {'name': ['YYLin', 'YYLin_1', 'YYLin_2', 'YYLin_3', 'YYLin_4'], 'birth_day': [2000, 2001, 2002, 2001, 2002], 'age': [6, 7, 8, 9, 10]} data_frame = pd.DataFrame(data, index=['one', 'two', 'three', 'four', 'five']) ``` 您可以打印DataFrame对象来查看其中的数据和索引信息。例如,通过以下代码打印DataFrame中的列名称和对应的索引值: ```python print(data_frame.columns) print(data_frame.index) ``` 您可以按列索引或行索引来获取DataFrame中的数据。例如,通过以下代码获取DataFrame中'name'列的数据和'three'行的数据: ```python print(data_frame['name']) print(data_frame.loc['three']) ``` 您还可以在DataFrame中增加一列数据,并进行相应的操作。例如,通过以下代码增加一列名为'money'的数据,并判断'money'列中的值是否大于3: ```python import numpy as np data_frame['money'] = np.arange(5) print(data_frame) print(data_frame['money'] > 3) print(data_frame[data_frame['money'] > 3]) ``` 这样,您可以得到'money'列中值大于3的数据。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [Pandas入门第一章之SeriesDataFrame](https://blog.csdn.net/qq_41776781/article/details/90730708)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *2* [【Pandas数据结构--SeriesDataFrame详解】](https://blog.csdn.net/qq_45186086/article/details/125200516)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值