pandas--DataFrame基本使用

什么是DataFrame?

DataFrame:一个表格型的数据结构,包含有一组有序的列,每列可以是不同的值类型(数值,字符串,布尔型等),DataFrame即有行索引也有列索引,可以被看做是由Series组成的字典。

DataFrame创建

  1. 直接创建

    df = DataFrame([
    ['a','b','c','d'],
    [1,2,3,4]
    ])
    
    darr = np.array([
    [1,2,3,4],
    [5,6,7,8]
    ]);
    df2 = DataFrame(darr,index=['one','two'],columns=['aa','bb','cc','dd'])
    
    #index是行索引,columns是列索引
    
    df2.index
    df2.columns
  2. 通过字典创建DataFrame

dict1 = {
'aprt':['101','102','103'],
'profits':[1000,2000,3000],
'year':[2001,2002,2003],
'month':8
}
df3 = DataFrame(dict1)
df3.index=['one','two','three']
## 字典的键作为DataFrame的列索引,值作为列数据

DataFrame的读取csv文件的函数

df4=pd.read_csv('data1.txt', sep=';',encoding='UIF-8',header=None) 
# 这个可以使用csv,txt文件,read_csv具体参数执行查询

pandas:缺省值NaN处理方法

  1. 对于DataFrame/Series中的NaN一般采取的方式为删除对于的列/行或者填充一个默认值
    1.dropna 根据标签的值是否存在缺失数据对轴标签进行过滤(删除),可以通过阀值的调节对缺失值的容忍度
    2.fillna 用指定值或者插值的方式填充缺失数据,比如:fill或者bill
    3.isnull 返回一个憨厚布尔值的对象,这些布尔值表示哪些值是缺失值NAN
    4.notnull isnull的否定式
df = DataFrame([
['Tom',np.NaN,456.67,'M'],
['Merry',np.NaN,456.67,'M'],
['Grry',np.NaN,456.67,'M'],
['John',np.NaN,456.67,'M'],
['Joe',np.NaN,456.67,'M'],
['Tom',np.NaN,456.67,'M']
],columns=['name', 'age','salary','Gender'])
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
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