kggale入门教程笔记|1&2-CSDN博客

本文链接：https://blog.csdn.net/Lattewow/article/details/118309768

这篇博客是作者作为Python初学者对kaggle DataFrame操作的学习笔记，包括DataFrame的创建、读取CSV文件、Indexing和Selecting等基本操作。文中详细介绍了如何选取行列、基于条件筛选数据，并提供了不同选择方法的比较。

摘要由CSDN通过智能技术生成

前言：初学python，在这里做一下笔记，方便自己复习回看。以下示例源自kaggle的新手教程。

在之前先输入几行代码让引入的np和pd可以多次使用

from IPython.core.interactiveshell import InteractiveShell  
InteractiveShell.ast_node_interactivity = "all" 
import numpy as np
import pandas as pd 
pd.options.display.max_rows = 8  #为了节省空间，最多输出8行

1. DataFrame创立

pd.DataFrame({'key1':[20,21],
              'key2':[30,31]},
              index=['A','B'])
# python创立数据表用的是字典形式，字典的key是列名，value是值，index是数据对象，可以重新设置。

输出结果如图：
在这里插入图片描述

2.读取csv文件

import pandas as pd
data = pd.read_csv('macrodata.csv')
data.index = pd.PeriodIndex(year=data.year, quarter=data.quarter,name='date').to_timestamp('D', 'end').strftime('%Y-%m-%d')
data.head() #读取前五行数据

在这里插入图片描述

3. Indexing

1、选取行列

data.realgdp  #选取realgdp那一列
data['realgdp']  #这两行代码等价
data.iloc[:,5:7]  #i表示integer，取整数，左闭右开
data.iloc[[0,1,2,3],5]  #iloc也可以用list的形式分段索引

在这里插入图片描述
用.loc[]函数选取的时候和iloc也差不多，都是可以用list进行索引。
两者区别在于iloc是整数索引，左闭右开；.loc是标签索引，左闭右闭。

data.loc['1959-03-31':'2000-06-30','realgdp']
data.loc['1959-03-31':]  #选取行

在这里插入图片描述

4. Selecting

（1）选取realgdp>5000的数据
有两种方法，但是我更喜欢第二种，因为条件多的时候打的字少。

data[data['realgdp']>5000]  # 筛选
data.loc[data.realgdp>5000]

在这里插入图片描述
(2) 选取满足条件一或满足条件二的句子

data.loc[(condition1)|condition2]

如果想要找1995-2000年realgdp>5000或者realgovt>800的数据，要先理清楚之间的关系，是(year) & ((con1)|(con2))

data.loc[((data.year<=2000)&(data.year>=1995))&((data.realgdp>5000)|(data.realgovt>800))]

在这里插入图片描述
(3) isin()
选取2008年和1995年的数据

data.loc[data.year.isin([2008,1995])]
data.loc[(data.year==2008)&(data.year==1995)] #上面的方法，但是有点长

(4) notnull()
输出非空数据

data.loc[data.year.notnull()]