pandas 常用操作盲区

 

1、创建array :vstack hstack拼接

p1 = np.ones((3, 3))
p2 = np.arange(9).reshape(3, 3)
print('纵向叠加: \n', np.vstack((p1, p2)))
print('横向叠加: \n', np.hstack((p1, p2)))

 

纵向叠加: 
 [[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]
 [0. 1. 2.]
 [3. 4. 5.]
 [6. 7. 8.]]
横向叠加: 
 [[1. 1. 1. 0. 1. 2.]
 [1. 1. 1. 3. 4. 5.]
 [1. 1. 1. 6. 7. 8.]]

 2、pandas 运算操作

2.1 .dot

print('p1.p2 = \n', p1.dot(p2))

p1: 
 [[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]
p2: 
 [[0 1 2]
 [3 4 5]
 [6 7 8]]

p1.p2 = 
 [[ 9. 12. 15.]
 [ 9. 12. 15.]
 [ 9. 12. 15.]]

2.2 转置 .dot

p3 = np.arange(6).reshape(2, 3)
print('p3形状: ', p3.shape)
print(p3)
p4 = p3.T
print('转置后p3形状: ', p4.shape)
print(p4)

p3形状:  (2, 3)
[[0 1 2]
 [3 4 5]]
转置后p3形状:  (3, 2)
[[0 3]
 [1 4]
 [2 5]]

2.3 类型赋值  astype

print('p3数据类型:', p3.dtype)
print(p3)

p5 = p3.astype('float')
print('p5数据类型:', p5.dtype)
print(p5)

p3数据类型: int32
[[0 1 2]
 [3 4 5]]
p5数据类型: float64
[[0. 1. 2.]
 [3. 4. 5.]]

2.4 索引 a.argmax()  a.argmin()

a = np.array([-4, -2, 1, 3, 5])

print('argmax: ', a.argmax())
print('argmin: ', a.argmin())

argmax:  4
argmin:  0

3 切片操作

3.1特定坐标

s = np.arange(13) ** 2
print('s: ', s)
print('s[[0, 2, 4]]: ', s[[0, 2, 4]])

s:  [  0   1   4   9  16  25  36  49  64  81 100 121 144]

s[[0, 2, 4]]:  [ 0  4 16]

 

注释：

from numpy.random import randn

之后可以直接饮用randn

df = DataFrame(randn(5,2),index=range(0,10,2),columns=list('AB'))

3.2 iloc loc

也就是说loc是根据index来索引，比如下边的df定义了一个index，那么loc就根据这个index来索引对应的行。iloc并不是根据index来索引，而是根据行号来索引，行号从0开始，逐次加1。

from pandas import Series,DataFrame
from numpy.random import randn
import numpy as np

df = DataFrame(randn(5,2),index=range(0,10,2),columns=list('AB'))
print(df.iloc[[2]])
print(df.loc[[2]])

          A         B
4 -0.166014  1.906989
          A         B
2 -0.081267 -0.113791