Pandas必掌握的95道精选题型！！

最新推荐文章于 2024-07-05 15:33:10 发布
最新推荐文章于 2024-07-05 15:33:10 发布
阅读量1.7k 收藏 27
点赞数 3
文章标签： python 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46988511/article/details/106277353
版权
本文详述了使用Pandas进行数据分析时的95个核心操作，包括创建Series、DataFrame、数据类型转换、操作行列、缺失值处理、统计计算、数据可视化以及文件读写等，旨在帮助读者深入理解和掌握Pandas库。
摘要由CSDN通过智能技术生成


本人学习比较抠字眼，所以加的注释会比较详细。希望大家可以从中学到东西！

文章目录

概念简介

pandas是Python的数据分析包。应用最广泛的pandas数据类型是Series和DataFrame。

DataFrame和Series是pandas中最常见的2种数据结构。

Series是一种类似于一维数组的对象，是由一组数据以及一组与之相关联的标签（即索引）组成的，具体的表现形式就是索引在左边，值在右边。可以理解为一维数组，它和一维数组的区别，在于Series具有索引。

DataFrame是一个表型的数据结构，它含有一组有序的列，每列间可以是不同的数据类型（数值，字符串，布尔值等）。DataFrame既有行索引又有列索引。类似于excel表格。

1.用列表创建Series

import pandas as pd
import numpy as np
s = pd.Series([1, 3, 5, np.nan, 6, 8]) #用值列表生成 Series（一维数据） 时，Pandas 默认自动生成整数索引
print(s)
print('\n')#不同结果之间空行
print(s.index)#输出s的索引

输出结果：

0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64


RangeIndex(start=0, stop=6, step=1)

2.将Series转换成一维数组

s.to_numpy() #Numpy是数组;s来源于题1。

输出结果：

array([ 1.,  3.,  5., nan,  6.,  8.])

3.用数组创建Series

pd.Series(np.arange(7)) #索引默认从0开始;arange()用于创建等差数组

输出结果：

0    0
1    1
2    2
3    3
4    4
5    5
6    6
dtype: int32

4.用字典创建Series

s = pd.Series({
   'a':1, 'b':2, 'c':3}) #s来源于题1。
print(s)
print('\n')#不同结果之间空行
print(s.values) #字典是key:value形式，输出其中的value
print('\n')#不同结果之间空行
print(s.index) #输出索引

输出结果：

a    1
b    2
c    3
dtype: int64


[1 2 3]


Index(['a', 'b', 'c'], dtype='object')

5.用随机数创建Series

pd.Series(np.random.randn(5),index=('a','b','c','d','e'))#randn产生标准正态分布的随机数

输出结果：

a    0.184519
b    0.937082
c    0.731000
d    1.361556
e   -0.326238
dtype: float64

6.用Series 组成的字典来创建 DataFrame

pd.DataFrame({
   'a': pd.Series([1, 2, 3]),
              'b': pd.Series([4, 5, 6])})

输出结果：

a b
0 1 4
1 2 5
2 3 6

7.用列表组成的字典来创建 DataFrame

pd.DataFrame({
   'a': [1, 2, 3],
              'b': [4, 5, 6]})

输出结果：

a b
0 1 4
1 2 5
2 3 6

8.用字典组成的列表来创建 DataFrame

pd.DataFrame([{
   'a': 1, 'b': 4},
              {
   'a': 2, 'b': 5},
              {
   'a': 3, 'b': 6}])

输出结果：

a b
0 1 4
1 2 5
2 3 6

9.对比DataFrame与Series区别

pd.DataFrame(np.random.randint(5,size=(2,))) #有列索引;(2,)这个多个逗号代表是元组

输出结果：

0
0 3
1 3 
pd.Series(np.random.randint(5,size=(2,))) #无列索引

输出结果：

0    1
1    3
dtype: int32

10.用不同字典方式创建DataFrame

df=pd.DataFrame({
   'A': 1.,
                 'B': pd.Timestamp('20130102'),#Timestamp时间戳
                 'C': pd.Series(1, index=list(range(4)), dtype='float32'),
                 'D': np.array([3] * 4, dtype='int32'),
                 'E': pd.Categorical(["test", "train", "test", "train"]), #Categorical类别函数
                 'F': 'foo'})
print(df)

输出结果：

     A          B    C  D      E    F
0  1.0 2013-01-02  1.0  3   test  foo
1  1.0 2013-01-02  1.0  3  train  foo
2  1.0 2013-01-02  1.0  3   test  foo
3  1.0 2013-01-02  1.0  3  train  foo

11.查看DataFrame数据类型

df.dtypes #可以看到df的列有不同的数据类型。NumPy 数组只有一种数据类型，DataFrame 每列的数据类型各不相同;df来源于题10

输出结果：

A           float64
B    datetime64[ns]
C           float32
D             int32
E          category
F            object
dtype: object

12.将DataFrame转换成二维数组

df.to_numpy() #不包含行索引与列索引；df来源于题10

输出结果：

array([[1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'],
       [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo'],
       [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'],
       [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo']],
      dtype=object)

13.查看 DataFrame头部数据

df.head(2) #前两行；df来源于题10

输出结果：

A B C D E F
0 1.0 2013-01-02 1.0 3 test foo
1 1.0 2013-01-02 1.0 3 train foo

14.查看 DataFrame尾部数据

df.tail(2) #后两行；df来源于题10

输出结果：

A B C D E F
2 1.0 2013-01-02 1.0 3 test foo
3 1.0 2013-01-02 1.0 3 train foo

15.查看 DataFrame后三行数据

df.loc[[1,2,3]] #注意有两层中括号；df来源于题10

输出结果：

A B C D E F
1 1.0 2013-01-02 1.0 3 train foo
2 1.0 2013-01-02 1.0 3 test foo
3 1.0 2013-01-02 1.0 3 train foo

16.查看 DataFrame后三行ABC列数据

df.loc[[1,2,3],'A':'C'] #df来源于题10

输出结果：

A B C
1 1.0 2013-01-02 1.0
2 1.0 2013-01-02 1.0
3 1.0 2013-01-02 1.0

17.查看 DataFrame后三行C列往后的数据

df.loc[[1,2,3],'C':] #df来源于题10

输出结果：

C D E F
1 1.0 3 train foo
2 1.0 3 test foo
3 1.0 3 train foo

18.查看 DataFrame行索引

df.index #df来源于题10

输出结果：

Int64Index([0, 1, 2, 3], dtype='int64')

19.查看 DataFrame列索引

df.columns #df来源于题10

Index(['A', 'B', 'C', 'D', 'E', 'F'], dtype='object')

20.查看 DataFrame形状

df.shape #4行6列;df来源于题10

输出结果：

(4, 6)

21.按条件将E列test选出来

df[df['E'].isin(['test'])] #df来源于题10

输出结果：

A B C D E F
0 1.0 2013-01-02 1.0 3 test foo
2 1.0 2013-01-02 1.0 3 test foo

22.用含日期索引的 NumPy 数组生成 DataFrame

dates = pd.date_range('20200101', periods=6) 
dates

输出结果：

DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',
               '2020-01-05', '2020-01-06'],
              dtype='datetime64[ns]', freq='D')

23.生成含有随机数的DataFrame

np.random.seed(100) #seed是随机数种子，利用随机数种子，每次生成的随机数相同。比如保持100，每次运行生成的随机数不会变，除非改掉100这个数字。
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD')) # index为行索引,column为列索引；randn产生标准正态分布的随机数
df

输出结果：

A B C D
2020-01-01 -1.749765 0.342680 1.153036 -0.252436
2020-01-02 0.981321 0.514219 0.221180 -1.070043
2020-01-03 -0.189496 0.255001 -0.458027 0.435163
2020-01-04 -0.583595 0.816847 0.672721 -0.104411
2020-01-05 -0.531280 1.029733 -0.438136 -1.118318
2020-01-06 1.618982 1.541605 -0.251879 -0.842436

24.快速查看DataFrame的各种统计指标

df.describe() #count计数，mean平均数，std标准差，min最小值，25%下四分位数，75%上四分位数，50%中位数，max最大值;df来源于题23

输出结果：

A B C D
count 6.000000 6.000000 6.000000 6.000000
mean -0.075639 0.750014 0.149816 -0.492080
std 1.205835 0.484950 0.657494 0.619106
min -1.749765 0.255001 -0.458027 -1.118318
25% -0.570516 0.385565 -0.391572 -1.013141
50% -0.360388 0.665533 -0.015350 -0.547436
75% 0.688617 0.976511 0.559836 -0.141417
max 1.618982 1.541605 1.153036 0.435163

25.DataFrame的转置

df.T #行列颠倒；df来源于题23

输出结果：

2020-01-01 2020-01-02 2020-01-03 2020-01-04 2020-01-05 2020-01-06
A -1.749765 0.981321 -0.189496 -0.583595 -0.531280 1.618982
B 0.342680 0.514219 0.255001 0.816847 1.029733 1.541605
C 1.153036 0.221180 -0.458027 0.672721 -0.438136 -0.251879
D -0.252436 -1.070043 0.435163 -0.104411 -1.118318 -0.842436

26.按轴排序

df.sort_index(axis=0, ascending=False)#axis=0按照index排序，axis=1按照column排序;ascending=False代表降序，ascending=True代表升序;df来源于题23

输出结果：

A B C D
2020-01-06 1.618982 1.541605 -0.251879 -0.842436
2020-01-05 -0.531280 1.029733 -0.438136 -1.118318
2020-01-04 -0.583595 0.816847 0.672721 -0.104411
2020-01-03 -0.189496 0.255001 -0.458027 0.435163
2020-01-02 0.981321 0.514219 0.221180 -1.070043
2020-01-01 -1.749765 0.342680 1.153036 -0.252436

27.按值排序

df.sort_values(by='B') #sort_values默认升序；若想降序排，则改成 df.sort_values(by='B',ascending=False) 即可;df来源于题23

输出结果：

A B C D
2020-01-03 -0.189496 0.255001 -0.458027 0.435163
2020-01-01 -1.749765 0.342680 1.153036 -0.252436
2020-01-02 0.981321 0.514219 0.221180 -1.070043
2020-01-04 -0.583595 0.816847 0.672721 -0.104411
2020-01-05 -0.531280 1.029733 -0.438136 -1.118318
2020-01-06 1.618982 1.541605 -0.251879 -0.842436

28.获取DataFrame中的某一列

方法一

 df['A']#df来源于题23

输出结果：

2020-01-01   -1.749765
2020-01-02    0.981321
2020-01-03   -0.189496
2020-01-04   -0.583595
2020-01-05   -0.531280
2020-01-06    1.618982
Freq: D, Name: A, dtype: float64

方法二

 df.A #df来源于题23

输出结果：

2020-01-01   -1.749765
2020-01-02    0.981321
2020-01-03   -0.189496
2020-01-04   -0.583595
2020-01-05   -0.531280
2020-01-06    1.618982
Freq: D, Name: A, dtype: float64

29.获取DataFrame中的某几列

df.iloc[:, 1:3] #iloc()通过行号、列号选取数据，loc()通过index、column选取数据;df来源于题23

输出结果：

B C
2020-01-01 0.342680 1.153036
2020-01-02 0.514219 0.221180
2020-01-03 0.255001 -0.458027
2020-01-04 0.816847 0.672721
2020-01-05 1.029733 -0.438136
2020-01-06 1.541605 -0.251879

30.用切片方式获取DataFrame中的某几行

方法一

df[0:3] #用切片的方式取前三行，前三行索引是0、1、2，分别对应第1行、第2行、第3行;df来源于题23

输出结果：

A B C D
2020-01-01 -1.749765 0.342680 1.153036 -0.252436
2020-01-02 0.981321 0.514219 0.221180 -1.070043
2020-01-03 -0.189496 0.255001 -0.458027 0.435163

方法二

df['20200101':'20200103'] #df来源于题23

输出结果：

A B C D
2020-01-01 -1.749765 0.342680 1.153036 -0.252436
2020-01-02 0.981321 0.514219 0.221180 -1.070043
2020-01-03 -0.189496 0.255001 -0.458027 0.435163

方法三

df.iloc[0:3, :] #df来源于题23

输出结果：

A B C D
2020-01-01 -1.749765 0.342680 1.153036 -0.252436
2020-01-02 0.981321 0.514219 0.221180 -1.070043
2020-01-03 -0.189496 0.255001 -0.458027 0.435163

方法四

df[df.index.isin
最低0.47元/天 解锁文章
溜溜笔记说
关注
pandas_exercises.zip
04-23
通过具体案例总结了 pandas 的常用操作，并做成练习题，练习题附答案，并且有完整数据集，建议读者把练习题完成。作者认为，做完练习题，pandas 的基本操作没有问题了，以后碰到问题也可以查这些习题。
数据分析_Pandas基础练习题9道（附数据）
weixin_46578004的博客
10-27 6595
'''目标：修复数据中异常时间的数据，将异常时间数据统一减少100实现方式：自定义函数1.观察数据找到异常数据所在处：“Yr_Mo_Dy”2.查看“Yr_Mo_Dy”数据类型：datetime643.提取异常的内容：提取日期中的年份4.将提取出来的年份减去1005.将处理好的年份拼接月份和天数的信息:datetime.date()用于拼接年份月份以及天数6.返回处理后的日期（年月日）
Pandas 入门 15 题
最新发布
m0_46926492的博客
07-05 550
【代码】Pandas 入门 15 题。
数据分析 | Pandas 200道练习题，每日10道题，学完必成大神（3）
小鱼干儿的博客
10-28 6321
今天的10道题涉及的东西多了一些，groupby、describe、cut、sort_values、info等，如果想要全部的了解这些，仅靠这10道题是远远不够的，希望大家能够额外找些试题练习，也可以跟着博主的文章一块刷题✨✨✨
数据分析 | Pandas 200道练习题，每日10道题，学完必成大神（1）
小鱼干儿的博客
10-26 6347
数据分析 | Pandas 200道练习题，每日10道题，学完必成大神，题目由浅到深，层层递进，让你不仅仅是知道Pasdas,更会灵活的使用。
pandas经典练习题
热门推荐
qq_51447436的博客
07-24 1万+
pandas经典练习题
美赛备赛资料热点+思路+题型分析
03-25
【美赛备赛资料热点+思路+题型分析】是一个针对美国数学建模竞赛（MCM/ICM，简称“美赛”）的综合备考资源集合。这个压缩包包含了对比赛的重要知识点、解题策略以及常见题型的深入分析，旨在帮助参赛者提升理解和...
【python三级】知识点-题型word.docx
09-14
【Python 三级】知识点_题型 word 在Python编程中，掌握基础语法和常用库的使用至关重要。以下是一些从标题、描述和标签中提取的关键知识点： 1. **Python 语言选择**：Python 作为一门高级编程语言，常用于数据...
译林版四年级英语样卷精选.doc
09-26
这篇文档是针对四年级学生的译林版英语样卷，旨在测试...通过这样的测试，教师可以评估学生在实际语境中的英语运用能力，帮助他们更好地掌握和运用英语。同时，此类练习也有助于提高学生的逻辑思维能力和问题解决技巧。
试题【python二级】知识点-题型练习.pdf
09-14
【Python二级知识点】题型练习主要涵盖Python编程的基础概念、语法和常用函数。以下是相关知识点的详细解析： 1. **本地服务器搭建**：题目中提到的Python可以用于搭建本地服务器，比如使用内置的HTTP服务器模块...
【python一级】知识点-题型图文word练习.pdf
11-13
- `DataFrame`是pandas库中的二维表格数据结构，用于数据处理和分析。 - Python的队列可以用`collections.deque`实现，常用操作包括入队、出队、求队长和判队空。 - Python源代码是高级语言的体现，可以被编译或...
Python-pandas基础习题与答案
07-06
Python中的pandas与matplotlib,numpy等库进行数据分析的一些基础代码。
Pandas综合练习题一
01-04
Pandas综合练习题一 一、查看数据表基本信息操作 二、重复数据处理操作 三、异常值处理操作 四、缺失值处理操作 五、提取其他关键信息，补全字段操作
Pandas基础题一百道（前15）
Yangyuqing_的博客
04-01 3357
目录 1、使用List创建Series 2、使用Dict创建Series 3、将Series转换成List 4、将Series转换成DataFrame 5、借助Numpy创建Series 6、转换Series数据类型（要求转换为int） 7、给Series添加新的元素（要求添加物理与化学成绩） 8、Series转换为DataFrame（reset_index) 9、使用字典创建一个DataFrame 10、设置DataFrame索引列 11、生成一个月份的所有天（要求输出2...
pandas120道练习题 1-20
tigercat的小屋
09-06 1074
pandas 120道练习题1-20
数据分析——练习笔记（一）
weixin_41635393的博客
07-05 2855
通过实战练习，学会用pandas做数据分析案例数据来自科赛网https://www.kesci.com/apps/home/project/5b333f3c8566927866faa2d7案例一    探索Chipotle快餐数据导入库import pandas as pd导入数据集path1 = "../input/pandas_exercise/exercise_data/chipotle.t...
Pandas基础题一百道（16~20）
Yangyuqing_的博客
04-01 4397
目录 16、打印DataFrame的前后数据行 ①：打印DataFrame ​②：打印DataFrame前10行数据 ③：打印DataFrame后十行数据 17、查看DataFrame的信息和基本数据统计 ①：打印DataFrame ②：查看DataFrame的基本信息 18、统计数据列的值出现的次数 ①：数据 ②：统计数据列的值出现的次数 19、DataFrame前N行存入CSV文件 ①：数据 ②：选取前五行数据 方法一： 方法二： ③：将筛选的数据存入CSV文...
Pandas熟练？进来测测这50道题吧！
SeizeeveryDay的博客
03-02 1926
Pandas 是基于 NumPy 的一种数据处理工具，该工具为了解决数据分析任务而创建。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的函数和方法。这些练...
Pandas十大练习题，掌握常用方法
weixin_44911248的博客
01-12 2269
总结了十道pandas常用方法的练习题，适合pandas库的入门以及训练基础
pandas 创建！vi
04-26
Pandas是一种数据处理工具，它为Python编程语言提供了高性能、易于使用的数据结构和数据分析工具。您可以通过安装pandas包来创建pandas数据框，这可以通过以下命令完成： ``` pip install pandas ``` 创建pandas数据框的方法有多种，其中最常见的方法是使用pandas中的DataFrame()函数。例如，以下代码将创建一个简单的数据框： ``` import pandas as pd data = {'Name': ['John', 'Bob', 'Alice', 'Mary'], 'Age': [25, 32, 18, 42], 'City': ['New York', 'Paris', 'London', 'Sydney']} df = pd.DataFrame(data) print(df) ``` 这将输出以下结果： ``` Name Age City 0 John 25 New York 1 Bob 32 Paris 2 Alice 18 London 3 Mary 42 Sydney ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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