Pandas 学习总结

最新推荐文章于 2022-04-15 23:15:58 发布

Raoodududu

最新推荐文章于 2022-04-15 23:15:58 发布

阅读量381

点赞数

分类专栏： Pandas 文章标签： Pandas 深度学习强化学习

本文链接：https://blog.csdn.net/Raoodududu/article/details/82841316

版权

本文详细介绍了Pandas库中的数据结构，如Series和DataFrame，以及如何进行数据筛选、设置值、处理丢失数据。此外，还涵盖了导入导出文件、数据合并（包括concat和merge）的方法，并探讨了数据可视化，包括series和dataframe的plot函数应用。

摘要由CSDN通过智能技术生成

一、数据结构

Series：相当于一维
DataFrame：相当于多维

1.series创建

import pandas as pd
import numpy as np
s = pd.Series([1,3,6,np.nan,44,1])
'''
0     1.0
1     3.0
2     6.0
3     NaN
4    44.0
5     1.0
dtype: float64
'''

2.dataframe创建

（1）行列命名

dates = pd.date_range('20160101',periods=6)
df = pd.DataFrame(np.random.randn(6,4),index=dates,columns=['a','b','c','d'])

print(df)
"""
                   a         b         c         d
2016-01-01 -0.253065 -2.071051 -0.640515  0.613663
2016-01-02 -1.147178  1.532470  0.989255 -0.499761
2016-01-03  1.221656 -2.390171  1.862914  0.778070
2016-01-04  1.473877 -0.046419  0.610046  0.204672
2016-01-05 -1.584752 -0.700592  1.487264 -1.778293
2016-01-06  0.633675 -1.414157 -0.277066 -0.442545
"""

#应用
print(df['b'])            #输出b列

（2）默认命名

df1 = pd.DataFrame(np.arange(12).reshape((3,4)))
print(df1)

"""
   0  1   2   3
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11
"""

（3）字典命名

df2 = pd.DataFrame({'A' : 1.,
                    'B' : pd.Timestamp('20130102'),
                    'C' : pd.Series(1,index=list(range(4)),dtype='float32'),
                    'D' : np.array([3] * 4,dtype='int32'),
                    'E' : pd.Categorical(["test","train","test","train"]),
                    'F' : 'foo'})
                    
print(df2)

"""
     A          B    C  D      E    F
0  1.0 2013-01-02  1.0  3   test  foo
1  1.0 2013-01-02  1.0  3  train  foo
2  1.0 2013-01-02  1.0  3   test  foo
3  1.0 2013-01-02  1.0  3  train  foo
"""