![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Pandas
文章平均质量分 54
行者无疆_ty
一名被代码耽误的文艺青年。
展开
-
DataFrame详解——序列化/IO/转换
DataFrame详解构造器DataFrame([data, index, columns, dtype, copy])DataFrame是二维、大小可变的表格数据。属性和底层数据属性解释DataFrame.indexDataFrame的索引(行标签)DataFrame.columnsDataFrame的列标签DataFrame.dtypes返回DataFrame中各列的类型DataFrame.info()打印DataFrame的简要摘要Dat原创 2021-11-09 21:03:56 · 1054 阅读 · 0 评论 -
DataFrame详解——绘图
绘图方法解释DataFrame.plot([x, y, kind, ax, …])DataFrame绘图访问器及方法DataFrame.plot.area([x, y])画一个堆叠的区域图,如:DataFrame.plot.bar([x, y])绘制垂直条形图,如:DataFrame.plot.barh([x, y])绘制水平条形图,如:DataFrame.plot.box([by])绘制DataFrame列的箱线图,如:DataFrame.pl原创 2021-11-09 20:28:51 · 9075 阅读 · 0 评论 -
DataFrame详解——合并/比较/加入/合并
合并/比较/加入/合并方法解释DataFrame.append(other[, ignore_index, …])在末尾添加行DataFrame.assign(**kwargs)利用现有的列创建新列,如:df.assign(col3= (df['col1'] / df['col2'])利用第1列和第2列构建一个新的第3列)DataFrame.compare(other[, align_axis, …])与另一个DataFrame进行比较,并显示差异DataFra原创 2021-11-09 19:53:13 · 1222 阅读 · 0 评论 -
DataFrame详解——变形、排序
变形、排序方法解释DataFrame.droplevel(level[, axis])删除请求的索引/列级别DataFrame.pivot([index, columns, values])重塑数据,产生一个“pivot”数据透析表,可以指定不同的列为表的index,columns,valuesDataFrame.pivot_table([values, index, …])创建一个电子表格样式的DataFrameDataFrame.reorder_levels原创 2021-11-09 15:47:19 · 2245 阅读 · 0 评论 -
DataFrame详解——缺失数据处理
缺失数据处理方法解释DataFrame.backfill([axis, inplace, limit, …])后向填充,等同于DataFrame.fillna(method='bfill')DataFrame.bfill([axis, inplace, limit, downcast])同上DataFrame.dropna([axis, how, thresh, …])删除缺失值DataFrame.ffill([axis, inplace, limit, dow原创 2021-11-09 14:40:40 · 1533 阅读 · 0 评论 -
DataFrame详解——重新索引/选择/标签操作
重新索引/选择/标签操作方法解释DataFrame.add_prefix(prefix)为所有列名加前缀DataFrame.add_suffix(suffix)为所有列名加后缀DataFrame.align(other[, join, axis, level, …])用指定的联接方法联接两个对象,默认为outer joinDataFrame.at_time(time[, asof, axis])在一天中的特定时间选择值DataFrame.between_原创 2021-11-08 21:03:12 · 1180 阅读 · 0 评论 -
DataFrame详解——计算/描述性统计
计算/描述性统计方法解释DataFrame.abs()返回具有每个元素的绝对值的Series/DataFrameDataFrame.all([axis, bool_only, skipna, level])返回是否所有元素都是TrueDataFrame.any([axis, bool_only, skipna, level])返回是否有任何元素为TrueDataFrame.clip([lower, upper, axis, inplace])使用指定上下阈值替原创 2021-11-08 21:01:40 · 1052 阅读 · 0 评论 -
DataFrame详解——函数应用、GroupBy & window
函数应用、GroupBy & window方法解释DataFrame.apply(func[, axis, raw, …])为整个DataFrame/行/列应用func函数(作用域为Series)DataFrame.applymap(func[, na_action])为DataFrame的每个元素应用func函数(作用域为元素)DataFrame.agg([func, axis])按列使用指定方法聚合所有行,如:df.agg(['sum', 'min'])将原创 2021-11-08 20:58:35 · 323 阅读 · 0 评论 -
DataFrame详解——二元算子函数
二元算子函数方法解释DataFrame.add(other[, axis, level, fill_value])将DataFrame+other,对应列直接相加,不对应的列用fill_value完成相加,如:df1.add(df2,fill_value=3)将df1与df2的对应列相加,不对应的列用3来完成相加DataFrame.sub(other[, axis, level, fill_value])将DataFrame-other,对应列直接相减,不对应的列用fill_原创 2021-11-08 20:56:43 · 270 阅读 · 0 评论 -
DataFrame详解——索引/迭代
索引、迭代属性/方法解释DataFrame.head([n])返回前n行DataFrame.at基于标签获取指定行列处的单个元素,如:df.at[1,'col2']获取第1行第2列的元素DataFrame.iat基于整数获取指定行列处的单个元素,如:df.at[1,2]获取第1行第2列的元素DataFrame.loc通过标签访问一组行和列,如:df.loc[1]将第一行作为Series返回;df.loc[[1,2,3]]将第1,2,3行作为DataFrame返原创 2021-11-08 20:55:32 · 600 阅读 · 0 评论 -
DataFrame详解——转换
转换方法解释DataFrame.astype(dtype[, copy, errors])将各列强制转换为指定的类型(需要人为指定),如:df.astype({'col1': 'int64'})DataFrame.convert_dtypes([infer_objects, …])自动将各列转换为最佳的类型(无需人为指定)DataFrame.infer_objects()尝试为object类型的列推断更好的类型DataFrame.copy([deep])复制此原创 2021-11-08 20:49:18 · 2377 阅读 · 0 评论 -
DataFrame详解——属性和底层数据
DataFrame详解构造器DataFrame([data, index, columns, dtype, copy])DataFrame是二维、大小可变的表格数据。属性和底层数据属性解释DataFrame.indexDataFrame的索引(行标签)DataFrame.columnsDataFrame的列标签DataFrame.dtypes返回DataFrame中各列的类型DataFrame.info()打印DataFrame的简要摘要Dat原创 2021-11-08 20:46:17 · 707 阅读 · 0 评论