pandas处理Dataframe以及Series时候,取某列数据不含列名

网上搜索很多没有想要的答案,摸索了一下能够满足自己的要求,写出分享,便于以后记忆。

问题的由来:我想用seanborn的kdeplot画图,kdeplot第一个参数需要是一个一维数组。

我一开始传入的是Dataframe类变量,这个Dataframe类变量是使用过Dataframe[['列名']]取得,然后就报iloc giving 'IndexError: single positional indexer is out-of-bounds'这个错误。

然后我通过pandas.Dataframe.values把该列的值转成了一个numpy的二维数组,差不多长成这个样子,如下:

然后继续处理df.values.flatten()转成以为数组,长成如下样子:

这个时候达到的我的要求了。

 

 


补充一下:

也可以直接通过变量名ds= Dataframe['列名’]直接得到一个不带列名的列数据,这个时候ds为一个Series对象

### 回答1: 可以使用Pandas中的函数进行处理,比如可以使用.apply()函数,该函数可以用来对DataFrame中的每一个元素应用一个函数;也可以使用.map()函数,该函数可以将某个列的每一个元素映射到另一个;还可以使用.replace()函数,该函数可以将某个列中的某个替换为另一个。 ### 回答2: pandas是一个基于Python数据分析工具,可以方便地对数据进行处理和分析。当需要对dataFrame中的某一个列进行处理时,可以使用pandas提供的一些方法。 首先,我们可以使用dataFrame列名来引用某一列。例如,我们有一个dataFrame名为df,其中包含列名为col的列。我们可以使用df['col']来引用该列数据。 接下来,我们可以使用pandas提供的方法对列数据进行处理。以下是一些常用方法: 1. head():返回某个列的前几行数据。可以使用df['col'].head(n)来获取该列的前n行数据。 2. unique():返回某个列的唯一。可以使用df['col'].unique()来获取该列的所有唯一。 3. value_counts():返回某个列中各个出现的次数。可以使用df['col'].value_counts()来获取该列各个的出现次数。 4. map():对某个列的每个元素进行映射操作。可以使用df['col'].map(func)来对该列的每个元素进行func函数的映射操作。 5. apply():对某个列的每个元素进行自定义的函数操作。可以使用df['col'].apply(func)来对该列的每个元素进行func函数的操作。 6. fillna():对某个列的缺失进行填充。可以使用df['col'].fillna(value)来将该列的缺失填充为value。 7. dropna():删除某个列中包含缺失的行。可以使用df.dropna(subset=['col'])来删除该列中包含缺失的行。 以上是pandas中对dataFrame中某一个列的数据进行处理的常用方法。通过使用这些方法,可以方便地对列数据进行操作和分析。 ### 回答3: PandasDataFrame中某一个列的数据进行处理的方法有很多种,下面我列举了几种常用的方法: 1. 使用apply()函数:apply()函数可以将一个自定义的函数应用到某一个列的每一个元素上。例如,假设我们要将某一列的数据进行平方处理,可以定义一个平方函数,然后使用apply()函数将该函数应用到该列上。 ```python def square(x): return x ** 2 df['column_name'] = df['column_name'].apply(square) ``` 2. 使用pandas内置函数:Pandas提供了很多内置的函数,例如对某一列的数据进行求和、求平均、计数等操作。可以直接使用这些函数来进行数据处理。 ```python df['column_name'] = df['column_name'].sum() df['column_name'] = df['column_name'].mean() df['column_name'] = df['column_name'].count() ``` 3. 使用lambda表达式:lambda表达式是一种简洁的定义函数的方式,可以在apply()函数中使用lambda表达式对某一列的数据进行处理。 ```python df['column_name'] = df['column_name'].apply(lambda x: x ** 2) ``` 4. 使用其他pandas函数:除了上述方法,Pandas还提供了很多其他的函数来对某一列的数据进行处理,例如map()函数、str模块中的函数(用于文本处理)、astype()函数(用于改变数据类型)等。 总结起来,PandasDataFrame中某一个列的数据进行处理的方法有很多种,可以根据具体需求选择合适的方法来处理数据
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