目录
前言
在本博客文章中,我们将讨论如何使用Pandas进行数据对象操作,包括对象置换、翻转、重塑、拼接等操作。通过本文的实用示例,您将了解如何利用Pandas库中强大的功能来处理和操作数据框(DataFrame)和序列(Series),从而更高效地进行数据处理和分析。让我们一起来看看吧!
第一点:导入模块
import pandas as pd
第二点:对象置换与翻转
#对象置换
v=[[53,64,72,82],['女','男','男','女']]
i=['年龄','性别']
c=['1号','2号','3号','4号']
df=pd.DataFrame(v,index=i,columns=c)
print(df)
# 1号 2号 3号 4号
# 年龄 53 64 72 82
# 性别 女 男 男 女
#置换
df=df.T
print(df)
# 年龄 性别
# 1号 53 女
# 2号 64 男
# 3号 72 男
# 4号 82 女
#左右翻转
df=df.iloc[:,: : -1] #所有行,第一列到最后一列:-1倒着采样
print(df)
# 性别 年龄
# 1号 女 53
# 2号 男 64
# 3号 男 72
# 4号 女 82
#上下翻转
df=df.iloc[::-1,:]
print(df)
# 性别 年龄
# 4号 女 82
# 3号 男 72
# 2号 男 64
# 1号 女 53
第三点:对象的重塑
i=['1号','2号','3号','4号']
v1=[53,64,72,82]
v2=['女','男','男','女']
v3=[1,2,3,4]
sr1=pd.Series(v1,index=i)
sr2=pd.Series(v2,index=i)
sr3=pd.Series(v3,index=i)
print(sr1,sr2,sr3)
#字典法创建df
df=pd.DataFrame({'年龄':sr1,'性别':sr2})
print(df)
# 年龄 性别
# 1号 53 女
# 2号 64 男
# 3号 72 男
# 4号 82 女
#把sr并入df中
df['牌照']=sr3
print(df)
# 年龄 性别 牌照
# 1号 53 女 1
# 2号 64 男 2
# 3号 72 男 3
# 4号 82 女 4
#把df['年龄']分离成sr4
sr4=df['年龄']
print(sr4)
# 1号 53
# 2号 64
# 3号 72
# 4号 82
# Name: 年龄, dtype: int64
第四点:对象的拼接
v1=[10,20,30,40]
v2=[40,50,60]
k1=['1号','2号','3号','4号']
k2=['4号','5号','6号']
sr1=pd.Series(v1,index=k1)
sr2=pd.Series(v2,index=k2)
print(sr1,sr2)
# 1号 10
# 2号 20
# 3号 30
# 4号 40
# dtype: int64
# 4号 40
# 5号 50
# 6号 60
# dtype: int64
#合并
sr3=pd.concat([sr1,sr2])
print(sr3)
#1号 10
# 2号 20
# 3号 30
# 4号 40
# 4号 40
# 5号 50
# 6号 60
#我们可以看到数据由重复的
#那如何查看索引是否重复呢?
print(sr3.index.is_unique)
# False 表示重复
总结
通过本文,我们学习了如何利用Pandas库中丰富的函数和方法来对数据对象进行操作和处理。希望这些示例能够帮助您更加熟练地使用Pandas,并在实际数据分析和处理中发挥更大的作用。如果您有任何问题或想了解更多信息,请随时联系我们。感谢您的阅读,祝您在数据处理中取得成功!