以下是一些使用Pandas进行数据运算的示例:
- 计算列的总和:
import pandas as pd
# 创建DataFrame
data = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
# 计算每列的总和
column_sums = data.sum()
print(column_sums)
输出:
A 6
B 15
dtype: int64
- 计算行的总和:
# 计算每行的总和
row_sums = data.sum(axis=1)
print(row_sums)
输出:
0 5
1 7
2 9
dtype: int64
- 计算列的平均值:
# 计算每列的平均值
column_means = data.mean()
print(column_means)
输出:
A 2.0
B 5.0
dtype: float64
- 计算行的平均值:
# 计算每行的平均值
row_means = data.mean(axis=1)
print(row_means)
输出:
0 2.5
1 3.5
2 4.5
dtype: float64
- 计算列的最大值:
# 计算每列的最大值
column_max = data.max()
print(column_max)
输出:
A 3
B 6
dtype: int64
- 计算行的最大值:
# 计算每行的最大值
row_max = data.max(axis=1)
print(row_max)
输出:
0 4
1 5
2 6
dtype: int64
- 计算列的最小值:
# 计算每列的最小值
column_min = data.min()
print(column_min)
输出:
A 1
B 4
dtype: int64
- 计算行的最小值:
# 计算每行的最小值
row_min = data.min(axis=1)
print(row_min)
输出:
0 1
1 2
2 3
dtype: int64
- 计算列的标准差:
# 计算每列的标准差
column_std = data.std()
print(column_std)
输出:
A 1.0
B 1.0
dtype: float64
- 计算行的标准差:
# 计算每行的标准差
row_std = data.std(axis=1)
print(row_std)
输出:
0 2.12132
1 2.12132
2 2.12132
dtype: float64
这些示例展示了如何使用Pandas进行常见的数据运算,并提供了每个示例的输出结果。
了解更多python项目开发,请关注我:Python提升课堂