pandas库的常用操作介绍

已于 2023-05-28 00:19:21 修改
阅读量908 收藏 6
点赞数 1
分类专栏： 机器学习 文章标签： pandas python 数据分析
于 2023-05-27 17:48:45 首次发布
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_60502858/article/details/130507721
版权

目录

1.1.Pandas概述

Python的pandas库是一个数据处理和数据分析库，提供了很多强大的数据结构和处理工具，使得数据处理更加高效，同时也提供了丰富的功能和灵活的接口。pandas的两个核心数据结构是Series和DataFrame。Series是一个一维数组，可以保存任何数据类型，而DataFrame则是一个表格型数据结构，它包含了一系列的行和列，每列是Series类型。pandas提供了很多数据分析和处理工具，例如各种形式的数据清洗、数据过滤、数据筛选、数据分组、数据合并、数据重塑、时间序列数据处理、统计分析等。

  • 先导入pandas库
import pandas as pd
df=pd.read_csv('../teachercode/Pandas/data/titanic.csv')  # 读入文件中的表格数据
df.head()              # 使用此方法 默认显示前5行数据

在这里插入图片描述

df.head(10)# 可以选择显示前多上行

在这里插入图片描述

  • 查看我读入的表格数据在python中是什么类型数据
    在这里插入图片描述
  • info()函数获取这个DataFrame类型数据的具体信息

在这里插入图片描述
显示了有多少列，列名，每列非空数据数量，每列数据的类型，使用了多少内存。

  • 显示索引
    默认是显示行数n，索引就是0到n-1 我们可以自己指定一个标签列表设置为索引
    在这里插入图片描述
  • 显示列名
    在这里插入图片描述
  • 显示每列元素类型
    在这里插入图片描述
  • 简略的打印数据
    在这里插入图片描述
  • 自己创建一个简略的dataframe结构
    在这里插入图片描述
  • 取指定的数据，可以取指定的列 ，用列名做索引
    在这里插入图片描述
    在这里插入图片描述
  • 我们自己指定索引df.set_index()
    在这里插入图片描述
    这样并没有改变索引结果

在这里插入图片描述
在这里插入图片描述
使用df.set_intdex(）后使用一个比变量来接受
在这里插入图片描述

  • 对拿到的列数据进行操作
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
  • describe 可以获取数据统计的基本统计信息特性
    在这里插入图片描述

2.Pandas索引结构

  • 可以按照列名取出特定列
    在这里插入图片描述
  • loc 使用标签来定位
  • iloc 使用位置来定位
    在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 可以改变特定位置的数据
    在这里插入图片描述
  • bool类型的索引
    在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

3.groupby学习

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

5.Pandas数值运算

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

二元统计

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

6.对象操作

  • 对象查操作
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

  • 改操作
    在这里插入图片描述
    在这里插入图片描述

  • Pandas 中的 rename() 函数用于重命名 DataFrame 或 Series 的行名称或列名称。它可以通过字典的方式来指定哪些行或列需要重命名
    在这里插入图片描述

  • 增操作
    在这里插入图片描述
    在这里插入图片描述

  • 删操作
    在这里插入图片描述
    在这里插入图片描述

  • DataFrame结构的增删改查
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

在这里插入图片描述

7.merge合并

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

显示设置

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

9.pivot操作

在Pandas中，pivot是一种数据重塑的操作，可以通过某些列作为行索引、某些列作为列索引和某些列来填充新创建的表格。

下面是一个示例，使用Pandas的pivot函数将一张数据表格重塑为一个新的表格。
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

10. 时间操作

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
下面在pd.read_csv()中直接指定0列为索引并且本来这一类是字符串类型 直接设置parse_dates=True 就把字符串解析成Pandas中的时间类型

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

resample 重采样函数，对时间数据重新编排
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

11.常用操作

在这里插入图片描述

  • DataFrame.info()
    在这里插入图片描述
  • DataFrame.sort_values()
    在这里插入图片描述
    在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

12.groupby操作

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

13.字符串操作

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

14.索引操作

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

15.pandas绘图操作

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

学习要精神饱满
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pandas库的常见操作
weixin_38410551的博客
02-21 307
是python的第三方库。 pandas基于Numpy实现，与Numpy和matlabplib配合使用。 参考链接： https://blog.csdn.net/zengxiantao1994/article/details/75200110
Python 数据处理库 pandas 入门教程基本操作
09-20
pandas是一个Python语言的软件包，在我们使用Python语言进行机器学习编程的时候，这是一个非常常用的基础编程库。本文是对Python 数据处理库 pandas 入门教程,非常不错，感兴趣的朋友一起看看吧
Pandas库
qq_46458188的博客
01-24 4万+
数据的排序 pandas库既可以操作索引，又可以操作数据。数据的排序，Pandas提供了两种方法。 .sort_index( )方法在指定轴上根据索引进行排序，默认升序。 .sorted_index(axis=0,ascending=True) ascending=True表示递增排序 .sort_values( )方法在指定轴上根据数值进行排序，默认升序。 .sort_values(索引，axis=0/1,ascending=True/False) 索引必须有，默认0轴，默...
Python数据分析与处理---Pandas库介绍
VN520的博客
02-20 8886
Pandas是数据分析三大剑客之一，是Python的核心数据分析库，它提供了快速、灵活、明确的数据结构，能够简单、直观、快速地处理各种类型的数据，具体介绍如下所示Pandas能够处理以下类型的数据：1.与SQL或Excel表类似的数据2.有序和无序（非固定频率）的时间序列数据3.带行、列标签的矩阵数据4.任意其他形式的观测、统计数据集。
Pandas(全网最详细攻略)（Python）
时光会把你雕刻成，你应有的模样！
05-27 1179
Pandas 最初由 AQR Capital Management 于2008年4月开发，并于2009年底开源出来，当时由专注于 Python 数据包开发的 PyData 开发团队继续开发和维护，属于 PyData 项目的一部分。Pandas 最初被作为金融数据分析工具而开发出来，因此，Pandas 为时间序列分析提供了很好的支持。Pandas 的名称来自于面板数据（panel data）和 python 数据分析（data analysis）。
python之pandas库，快速学习
qq_68411520的博客
06-15 7442
目录一、pandas的两种数据结构 1.pandas导入 2.Series （1）series：一维数据机构，可以保存任何类型的数据结构，相当于一列。 （2）series默认索引从0开始。也通过可以指定索引。 3.DataFrame （1）DataFrame：是一个矩阵的数据类型，既有行索引，也有列索引。 （2）DataFrame：可以更改
3.5万字，图解Python数据分析最强库Pandas(全是干货，建议收藏)
wangluoanquan152的博客
11-06 8017
大家好，在 Python 各个工具包中，最频繁使用的应该就是 Pandas 了。今天我以图解的方式给大家介绍 Pandas 中各种常用的操作，内容有点长，喜欢记得点赞、收藏、关注。
Python数据分析之Pandas库的基本使用
m0_51489557的博客
05-19 3438
Python中Pandas库的的基使用，Serise对象的创建、索引修改、引用，pandas日期处理 Series.dt提供了很多日期相关操作，Series.dt提供了很多日期相关操作，DateTimeIndex：通过指定周期和频率，使用date.range()函数创建日期序列。默认情况下，范围的频率是天，DataFrame创建以及行、列的访问、删除、修改、追加，DataFrame常用属性，关于DataFrame统计的API（方差、协方差、标准差、相关系数），对数据的去重处理和排序（按索引和实际值排序）
Python使用Pandas库常见操作详解
12-23
对于数据分析初学者或专业人士来说，掌握Pandas库的操作对于提升工作效率至关重要。在实际应用中，结合NumPy、SciPy和Matplotlib等库，Pandas能够完成复杂的数据预处理和初步分析任务，是Python数据分析生态中的重要...
pandas安装库
04-22
**Pandas库详解** Pandas是Python编程语言中一个强大的数据处理库，它为数据分析提供了高效、灵活且易于使用的工具。这个库的名字来源于“Panel Data”，即面板数据，是一种经济统计学中的术语，指的是跨时间序列的...
titanic.zip_pandas库使用案例_titanic_泰坦尼克
09-24
在数据分析领域，Python的Pandas库无疑是最为常用且强大的工具之一。本篇将深入解析如何利用Pandas库处理和分析泰坦尼克号（Titanic）数据集，以此为例，探讨Pandas在实际问题解决中的应用技巧。 首先，泰坦尼克号...
Python使用Pandas库实现MySQL数据库的读写
09-09
本文将详细探讨如何使用Pandas库与MySQL数据库进行数据操作。 首先，理解ORM（Object-Relational Mapping）技术至关重要。ORM是一种编程技术，它允许开发者使用面向对象的方式来操作数据库，而无需直接编写SQL语句...
Python学习笔记（十七）——Pandas库
weixin_60535956的博客
11-22 8052
详细解析pandas扩展包功能，助力数据分析！欢迎大家阅读。
Pandas库基本使用
Major_S的博客
08-12 1万+
Pandas库基本使用Pandas库基本使用Pandas库基本使用
Pandas数据分析库详解
Rocky006的博客
07-19 2871
本文这些示例只是Pandas应用的一小部分，只是为了使我们在学习中对Pandas有初步的了解。Pandas还提供了许多其他强大的功能，使数据分析和处理更加便捷。下面是一些扩展的Pandas功能：• 合并数据：Pandas提供了多种方法来合并不同的数据集，例如使用merge()函数按照指定的列将多个DataFrame进行合并，使用concat()函数沿着指定轴将多个DataFrame堆叠在一起，以及使用join()函数根据索引或列的值进行连接。• 拆分数据：你可以使用split()
学习 Python 之 Pandas库
qq_37354060的博客
05-28 1万+
学习 Python 之 Pandas库Pandas库什么是Pandas库?DataFrame 创建和存储1. 使用DataFrame构造函数(1). 使用列表创建(2). 使用字典创建(3). 从另一个DataFrame对象创建2. 从文件读取(1). 从.csv文件读取(2). 从excel文件读取3. 存储DataFrame 查看数据1. 查看前几行2. 查看后几行3. 格式查看4. 查看统计信息DataFrame 列操作1. 增加列2. 删除列3. 选择列4. 修改列 Pandas库 什么是Panda
Python数据分析入门：使用Pandas库
Meiko的博客
03-23 3271
通过本文的介绍，了解了Python的Pandas库如何简化数据分析过程。Pandas提供了丰富的数据处理、筛选、排序、聚合和分组功能，使得数据分析变得高效便捷。本文只是Pandas的入门介绍，实际上Pandas的功能远不止于此。Series是一维数组，可以存储不同类型的数据，而DataFrame是一个二维表格结构，由多个Series组成。在进行数据分析之前，通常需要对数据进行预处理，包括处理缺失值、重复值和数据类型转换。可以使用iloc和loc方法访问和修改DataFrame中的数据。
Python中的pandas库简介及其使用
热门推荐
搞点學術的研究生
04-04 10万+
pandas模块 pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。 Pandas中常见的数据结构有两种： Series DateFrame 类似一维数组的对象， 类似多维数组/表格数组；每列数据可以是不同的类型；索引包括列索引和行索引。 Series 构建Series：ser_o...
Py之Pandas：Python的pandas库简介、安装、使用方法详细攻略
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
04-01 3万+
​ Py之Pandas：Python的pandas库简介、安装、使用方法详细攻略 目录 pandas库的简介 pandas库的安装 pandas库使用方法 推荐文章 Py之Pandas：Python的pandas库简介、安装、使用方法详细攻略 Python之pandas：DataFrame二维表的简介、常用函数、常用案例之详细攻略 Python：Python实现读入、写出、复制(自定义函数封装)各自类型如txt、csv等文件之详细攻略 Python之pandas：DataFrame表格数据
pandas库的常用命令
最新发布
06-26
Pandas是Python中一个强大的数据处理库，它提供了一个灵活的数据结构DataFrame，用于数据清洗、转换、分析等操作。以下是一些常用的Pandas命令： 1. **数据读取**: - `pd.read_csv(file_path)`：从CSV文件读取数据。 - `pd.read_excel(file_path)`：读取Excel文件。 - `pd.read_sql_query(sql, con)`：从SQL数据库查询数据。 2. **创建DataFrame**: - `pd.DataFrame(data, index=None, columns=None)`：根据数据创建DataFrame。 - `pd.DataFrame({'column1': data1, 'column2': data2}, index=...)`：指定列和索引。 3. **查看数据**: - `df.head()`：显示数据框的前几行。 - `df.tail()`：显示数据框的后几行。 - `df.info()`：显示数据的基本信息，包括每列的非空值数量等。 4. **数据清洗**: - `df.dropna()`：删除含有缺失值的行或列。 - `df.fillna(value)`：填充缺失值。 - `df.replace(to_replace, value)`：替换特定值。 5. **数据选择与切片**: - `df['column_name']`：选择单列数据。 - `df.iloc[row_index, column_index]`：按位置选择元素。 - `df.loc[row_label, column_label]`：按标签选择元素。 6. **数据操作**: - `df.groupby('column')`：按列分组。 - `df.merge(df2, on='key', how='inner')`：合并数据。 - `df.sort_values(by='column')`：按某列排序。 7. **数据统计**: - `df.describe()`：计算各数值列的统计摘要。 - `df.sum()`, `df.mean()`, `df.min()`, `df.max()`：计算各类统计量。 8. **数据透视表**: - `df.pivot_table(values='value_column', index='index_column', columns='column_column')`：创建数据透视表。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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