Pandas简明教程-适用于竞赛、研究以及办公自动化
深入浅出介绍Pandas的主要操作方法及其应用。
半个冯博士
这个作者很懒,什么都没留下…
展开
-
Pandas简明教程-适用于竞赛、研究以及办公自动化
一、Pandas简介与安装二、Pandas基本数据结构-DataFrame与Series三、Pandas文件读写四、Pandas数据索引方式五、Pandas简单统计操作及通用方式六、Pandas条件查询七、Pandas缺失数据的处理(数据清洗基础)附录:Pandas中DataFrame的属性及方法大全...原创 2020-07-29 10:55:38 · 1403 阅读 · 0 评论 -
Pandas简明教程:一、Pandas简介与安装
1、Pandas简介关于Pandas的介绍在百度上随便就能搜出一大堆,所以就不多扯些大家都扯的事情。从项目作者的书的目录其实很容易就能看明白它主要能用于做些什么。但我们这里要着重提一句的是:**其实Pandas能办到的事情,用Excel全能办到,而且许多Pandas办不到的Excel也能办到。**所以不愿意编程的人建议直接学EXCEL。完!~2、为何要用Pandas?如果非要说用Pandas和Excel之间有什么区别,那么其实就是一个老生常谈的问题:GUI与指令操作的区别!GUI工具最大的好处就在原创 2020-07-27 21:24:54 · 1874 阅读 · 0 评论 -
Pandas简明教程:二、Pandas基本数据结构-DataFrame与Series
文章目录1、什么是表格?2、DataFrame类型3、Series类型1、什么是表格?月份姓名性别应发工资实发工资职位01张三男20001500主犯12张三男20001000主犯23张三女200015000主犯34张三女20001500主犯45张三女20001500主犯52李四男18001300从犯63李四男18001300从犯74李四男18原创 2020-07-27 22:29:20 · 1506 阅读 · 0 评论 -
Pandas简明教程:三、Pandas文件读写
文章目录1、CSV文件2、Excel的读写3、HTML文件的读写4、其它文件(数据)类型的简单说明5、办公自动化问题简析Pandas支持了非常丰富的文件类型(见文末汇总表)1,这种操作方式极大简化了我们的文件读写,也是我们进行比赛、研究尤其是办公自动化最为直接的基础。可以说从这里开始,我们就要真正享受Pandas带来的便利了。1、CSV文件这里我们将前面用到的张三团伙的数据表存到一个csv文件中。df = pd.read_csv(r"C:\Users\Administrator\Desktop\te原创 2020-07-28 10:31:08 · 1842 阅读 · 0 评论 -
Pandas简明教程:四、Pandas数据索引方式
文章目录1、以类似`dict`的方式访问2、以属性方式访问数据3、访问行(slicing)4、用`loc`方法访问不同行列5、用`iloc`方法直接访问行列6、其它方式1、以类似dict的方式访问上一篇教程开头以dict的形式实例化了第一个DataFrame,也证实了它的确可以用类似dict的方式来获取数据:import pandas as pddf = pd.DataFrame({ '月份': [1,2,3,4,5,2,3,4,5,1,2,3,4], '姓名':['张三','张三','张三',原创 2020-07-28 09:33:16 · 1713 阅读 · 0 评论 -
Pandas简明教程:五、Pandas简单统计操作及通用方式
文章目录1、DataFrame的方法使用举例2、DataFrame的方法调用通用方式3、DataFrame直接调用其它方法前面已经提到,Pandas的DataFrame本质上其实就是一个表。对应Excel,我们通常会用到各种统计方法。那么这篇教程就简单叙述一下Pandas中基本的统计方法以及通用的调用规则。1、DataFrame的方法使用举例DataFrame中封装了许多方便查看的方法,比如:查看首尾df.head() 月份 姓名 性别 应发工资 实发工资 职位0 1原创 2020-07-29 10:47:39 · 1172 阅读 · 0 评论 -
Pandas简明教程:六、Pandas条件查询
文章目录1、基本方法2、高级查询3、 可用于修改内容的`where`方法4、条件检索进阶:快速的查询方法`query`5、其它检索方法简述目前大家公认的一个说法是:Python的用户主要集中在数据分析和机器学习这两类人群。数据分析人员之所以喜欢用它就是因为Python的各种数据处理工具的查询检索方式都非常简单易用。这篇教程就主要介绍Pandas的数据查询方法,借此可以感受一下Pandas的便利。1、基本方法首先,数据仍然用我们一直以来用的张三团伙表。df 月份 姓名 性别 应发工资原创 2020-07-28 13:26:24 · 19310 阅读 · 0 评论 -
Pandas简明教程:七、Pandas缺失数据的处理(数据清洗基础)
数据清洗的内容其实很丰富,其中最基本的问题就是对一些缺失数据的处理。比如我们常会看到这样的表:First ScoreSecond ScoreThird Score01003019045402568039598在普遍的办公场景下(尤其是一些重要的表格),通常都有可能是有特殊的情况,那么此时都一定会去手动修改,甚至有时还会特别麻烦(比如银行的某些信息)。但我们在竞赛中,研究中,做项目的过程中对这些数据就可以自由一点,希望能利用经验知原创 2020-07-28 23:09:59 · 983 阅读 · 0 评论 -
Pandas简明教程:八、Pandas数据透视表
透视表(pivot)是由微软发明的一个概念,1993年微软注册了PivotTable这一商标,而他们又在2020年正式撤销了注册。关于透视表的话题随便搜搜就是一大堆,而有些地方可能都吹得很神了。透视表的不多说,我们直接通过Pandas中关于它的操作来认识。1、透视表的基本操作方法再次回到张三团伙的例子:df 月份 姓名 性别 应发工资 实发工资 职位0 1 张三 男 2000 1500 主犯1 2 张三 男 2000 1000 主犯2原创 2020-07-29 22:23:37 · 2088 阅读 · 0 评论 -
Pandas简明教程:九、表的合并、连接、拼接(数据聚合基础)
真实场景中常会遇到多种信息放在不同的表里的情况,此时我们就需要将这些表格的信息整合到一起。这种操作可以极大地减轻我们手动粘数据的工作,从而达到事半功倍的效果。由于本篇要举的例子较多,因此直接采用官网数据进行说明。1、简单合并方法首先给定三个表:df1 A B C D0 A0 B0 C0 D01 A1 B1 C1 D12 A2 B2 C2 D23 A3 B3 C3 D3df2 A B C D4 A4 B4原创 2020-07-31 23:31:17 · 1543 阅读 · 0 评论 -
Pandas中DataFrame的属性及方法大全
所有属性属性名说明at访问行/列标签对的单个值。attrs此对象的全局属性字典。axes返回一个表示DataFrame轴的列表。columnsDataFrame的列标签。dtypes返回DataFrame中的dtype。empty指示DataFrame是否为空。iat通过整数位置访问行/列对的单个值。iloc基于位置的纯基于整数位置的索引。indexDataFrame的索引(行标签)。loc通过标签或布尔数组访问原创 2020-07-29 10:30:20 · 6718 阅读 · 0 评论