今日Python代码_Pandas

• 目录

  pandas

  series

  操作series

  dataframe

  操作dataframe

  index

  ---

  import pandas
  pandas.Series(data=None,index=None,name=None)
  #通过list创建series对象
  import pandas as pd
  series=pd.Series([1,2,3,4,5])
  print(series)
  #指定index创建series对象
  list1=[0,1,5,3,4]
  i=['a','b','c','d','e']
  print('通过list创建的series为：\n',pd.Series(list1,index=i,name='list'))
  #通过dict创建对象
  dict=['a':0,'b':1,'c':5]
  letter=["a","b","c","e"]
  print(pd.series(dict,index=letter))
  #通过ndarray创建series
  import pandas as pd
  import numpy as np
  print('通过ndarray创建的series为：\n'，pd.series(np.arange(3),index=['a','b','c'],name='ndarray'))
  #访问series的属性
  import pandas as pd
  series1=pd.series([1,2,3,4])
  print("series1:\n{}\n".format(series1.values))
  print("series1.values:{}\n".format(series1.values))#数据
  print("series1.index:{}\n".format(series1.index))#索引
  print("series1.shape:{}\n"format(series1.shape))#形状
  print("series1.ndim:{}\n":format(series1.ndim))#维度
  #访问series数据
  import pandas as pd
  series2=pd.series([1,2,3,4,5,6,7],index=["C","D","E","F","G","A","B"])
  #通过索引位置访问
  print("series2位于第一位置的数据为："，series2[0])
  #通过索引名称访问
  print("E is {}\n".format(series2["E"]))
  #更新series
  import pandas as pd
  list1=[1,2,3,4,5]
  series1=pd.series(list1,index=['a','b','c','d','e'],name='list')
  print("series1:\n{}\n".format(series1))
  #更新元素
  series1['a']=3
  print("更新后的series1为：\n",series1)
  #追加series
  series2=pd.series([4,5],index=['f','g'])
  print("series1插入series2后为：\n",series1.append(series2))
  #删除数据
  series1.drop('e',inplace=True)
  print('删除索引e对应数据后的series1：\n',series1)
  #dataframe
  #通过dict创建dataframe
  import pandas as pd
  data={'col1':[0,1,2,3,4],'col5':[5,6,7,8,9]}
  #创建时指定列名
  df=pd.dataframe(data,index=['a','b','c','d','e'])
  print('通过dict创建的dataframe为：\n',df)
  #创建缺失值
  data={
      'name':['张三','李四'，'王五']
      'sex':['female','male','female']
      'age':['23','20','19']
       }
  df=pd.dataframe(data,columns=['name','age','sex','address'])
  print('通过dict创建dataframe为: \n',df)
  #通过list创建dataframe
  list5=[[1,5],[1,6],[2,7],[3,8],[4,9]]
  print('通过list创建的dataframe为：\n',
        pd.dataframe(list5,index=['a','b','c','d','e'],columns=['col1','col5']))
  #pandas提取行列数据函数
  df.head(N)#返回前N行
  df.tail(M)#返回后M行
  df[m,n]#切片，选取第m~n-1行
  df[df['列名']>value]#选取满足条件的行
  df.query('列名>value')#选取满足条件的行
  df.query('列名==[v1,v2,v3]')#选取列名值等于v1,v2,v3的行
  loc#通过行标签索引数据
  iloc#通过行号索引行数据
  df['col']#获取col列，返回series
  iat#提取某一个数据
  
  df2=df.iloc[0:2,0:1]#输出1~2行前1列数据
  df3=df.iloc[[0,2],[1,3]]#提取不连续行和列的数据，提取第0,2行，1,3列数据
  df4=df.iat[2,1]#提取某一个数据，提取第3行第2列的数据
  df['col1']=[10,11,12,13,14]#更新列
  df["No"]=pd.series([1,2,3,4,5,6,7])#采用赋值的方法插入列
  df.drop('a',axis=0,inplace=True)#删除行
  
  #index对象常用属性
  df.index.is_monotonic#index各元素是否大于前一个
  df.index.is_unique#index各元素是否唯一
  df=df.reindex(['a','b','c','d'],fill_value=0)#缺失值填充用0