数据分析学习中...... —— pandas学习笔记

最新推荐文章于 2024-07-18 20:07:11 发布
最新推荐文章于 2024-07-18 20:07:11 发布
阅读量273 收藏 10
点赞数 5
文章标签： 数据分析 学习 pandas
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/qq_38158710/article/details/139514775
版权

pandas学习笔记① 6/7/2024

前期准备

学习准备

  1. 安装了python及pip
  2. 安装jupyter notebook
  3. 入门了numpy

安装并引入pandas

CTRL+r并输入cmd打开命令提示符，输入以下命令进行安装

pip install pandas

在这里插入图片描述
安装成功后引入pandas

import pandas as pd

panda数据结构

Series

定义

类似numpy一维数组

s1 = pd.Series([5, 34, 23, 7, 11])

操作

获取元素及索引

直接输出s1，会输出s1元素的索引、元素和元素的种类
在这里插入图片描述
可以通过values属性获得Series所有的元素值
在这里插入图片描述

可以通过index属性获得Series所有元素的索引值
在这里插入图片描述

索引和切片操作

获取s1里索引为3的值
在这里插入图片描述
获取s1里索引从2到4的值
在这里插入图片描述
与数组不同之处：索引可以自己定义（标签索引），同时，默认的位置索引（从0开始的数字）仍然有效
在这里插入图片描述
但是使用标签索引的时候，进行切片操作时结束值是包含的
在这里插入图片描述
为了区分标签索引和位置索引，可以使用loc属性和iloc属性
使用标签索引

s1.loc["a"]

使用位置索引

s1.iloc[3]

还可以直接给Series传入字典进行创建
在这里插入图片描述

查看标签是否存在

在这里插入图片描述

根据条件筛选元素

可以使用逻辑运算符（&，|，~）

s2[(s2>5)&(s2<15)]
怂.jpg
关注
  • 5
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Python学习笔记（五.数据分析 ——上）
qq_46257360的博客
03-01 2634
系列文章持续更新中… 文章目录前言一、相关性分析A.获取股票价格a.获取日K线的股票价格b.获取每分钟的股票价格c.获取实时的股票价格d.获取分笔的股票价格e.获取指数信息B. 合并股票价格C.股票价格相关性分析二、假设检验三、方差分析A.单因素方差分析A.双因素方差分析C.第三方模块快速通关方差分析小结 前言 通过几篇学习笔记我们学习了Python数据分析必备的NumPy模块和pandas模块,这篇我们就来实战演练各种数据分析问题。 需要写的东西比较多，所以我们分为上下两篇来学习。 ———————————
机器学习随笔（1）——pandas.DataFrame和数据清洗
WHJ226的博客
09-20 813
当我想对机器学习的基础进一步了解的时候，才发现这些基础都还没打牢，而且许多用法记不太清，特此笔记来回顾一下。
Python学习笔记——Pandas
Waitind_的博客
04-19 671
join ：连接方式，可选值'inner'或者'outer' ,‘outer’ 表示连接两个 DataFrame 的外侧，保留所有原始索引。标签列表，例如 ['a','b','c'] ，返回 a,b,c行（DataFrame 类型）how='inner' #连接左右两个 DataFrame 的 index 中共同出现的行。标签切片，例如[ 'a':'c'] ，返回a行-c行（ DataFrame 类型）整数列表，如[[0,2]],返回的是第1行和第3行（DataFrame 类型）
学习笔记：python数据分析：3.Pandas数据结构DataFrame
weixin_42850424的博客
05-17 285
创建一个DataFrame类型的数据 import pandas as pd # 导入pandas模块 dict_data = { "student":['lilei','hanmeimei','madongmei'], "score":[98,85,100], "gender":['M','F','F'] } # 字典 data = pd.DataFrame(dict_data) # 创建一个DataFrame类型的数据 print(data) # 输出数据 指定Dat
python数据分析——pandas学习笔记
图像处理、SLAM、PCL、OpenCV爱好者
03-28 1292
最近需要对Excel进行一些操作，Pandas无疑是一个很强大的一个工具，搞起来！！ 文章目录Pandas简介安装使用生成数据选择部分数据输出设置Value去除 填充 判断Nan合并数据 concat融合数据merge绘出数据plot读取保存数据总结 Pandas简介 pandas是一个构建在Python编程语言之上快速、强大、灵活和易于使用的开源数据分析和操作工具。 pandas官网 pandas文档 安装 pip install pandas 使用 生成数据 （生成的数据data类似于excle.
学习笔记2 | 表格数据处理——Pandas
qq_53185200的博客
01-02 389
Pandas表格数据处理笔记：数据结构、数据读写、索引、清洗、时间序列处理、拼接与合并、分组与聚合、重塑和简单可视化。
Pandas学习笔记（八）—— Pandas分类数据
qq_43300880的博客
05-29 761
Pandas 是 Python 的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单直观地处理关系型、标记型数据。Pandas 的目标是成为 Python 数据分析实践与实战的必备高级工具，其长远目标是成为最强大、最灵活、可以支持任何语言的开源数据分析工具。经过多年不懈的努力，Pandas 离这个目标已经越来越近了。
【学习笔记】数据分析（Ⅱ）—— Pandas
Eddie_hyh的博客
04-05 930
数据分析第二部分：Pandas
数据分析学习笔记——Pandas库思维导图
cjava_的博客
06-04 308
Python --numpy,pandas,matplotlib等学习笔记.zip
02-21
这个压缩包文件"Python --numpy,pandas,matplotlib等学习笔记.zip"包含了一系列关于Python中三个核心库的学习资料：NumPy、Pandas和Matplotlib。这三个库是Python科学计算的基础，对于任何想要深入Python数据分析的...
Python数据分析相关的学习笔记（numpy、matplotlib、pandas）.zip
02-21
这份学习笔记将深入探讨这三个库的功能与用法，帮助你掌握数据分析的基础和进阶技巧。 首先，让我们来了解numpy。NumPy是Python中用于处理数组的库，它的全称是Numeric Python。NumPy提供了强大的多维数组对象——...
python基础教程-学习笔记.zip
10-17
此外，还有大量的第三方库，如Numpy用于数值计算，Pandas用于数据分析，Matplotlib用于数据可视化。 9. **列表推导式与生成器** 列表推导式是Python简洁的创建列表的方式，例如 `[x*x for x in range(10)]`。生成...
Anaconda3-2021.11-Windows-x86-64.exe
11-22
Python的强大在于其丰富的生态系统，如NumPy用于处理大型多维数组和矩阵，Pandas提供高效的数据结构和数据分析工具，Matplotlib用于数据可视化，Scikit-learn则提供了各种机器学习算法。 除了Python，Anaconda还...
python 笔记（csdn）————程序.pdf
12-03
首先，Python作为一种免费的代码库，拥有丰富的库支持，如NumPy、Pandas和Scikit-learn，这些都是进行数据分析和人工智能项目的重要工具。Python能够包装并调用其他编程语言的库，如C或C++，从而提高了其应用范围和...
新增支持GIS地图、数据模型引擎升级、增强数据分析处理能力
思迈特Smartbi
07-15 1055
▎交互式仪表盘为了帮助企业提升数据分析处理能力，Smartbi重点围绕产品易用性、用户体验、操作便捷性进行了更新迭代，同时重磅更新了体验中心。用更加匹配项目及业务需求的Smartbi，帮助企业真正发挥数据的价值，赋能决策经营与管理。Smartbi用户可以在（PC端下载），更新后便可以使用相关功能，也可以在体验中心体验相关功能。接下来，我们一起来看看7月产品月报。▎交互式仪表盘√新增支持GIS地图。
《Python数据科学之三：探索性数据分析与可视化》
4.0啊的博客
07-14 952
Python数据科学之三：探索性数据分析与可视化
IPython与Pandas：数据分析的动态组
2401_85639015的博客
07-18 197
iPython 是一个交互式计算和探索的编程环境，支持多种编程语言，但主要与 Python 紧密结合。它提供了一个强大的交互式命令行界面，使得数据分析和科学计算变得更加直观和高效。Pandas 是一个开源的数据分析和操作库，提供了快速、灵活和表达力强的数据结构，特别是用于处理表格数据、时间序列和矩阵。Pandas 是数据分析中不可或缺的工具。数据可视化是数据分析中的关键部分，可以帮助我们更直观地理解数据。通过本教程，你将能够掌握如何使用iPython和Pandas进行高效的数据分析。
Django实战项目之进销存数据分析报表——第一天：Anaconda 环境搭建
最新发布
weixin_44435602的博客
07-18 698
通过以上步骤，你已经成功安装了Anaconda，并创建了一个包含Python 3.9的独立环境。这为你的项目提供了一个干净、隔离的开发环境，有助于避免不同项目之间的库版本冲突。利用Anaconda的强大功能，你可以更专注于开发，而不是环境配置。
pandas.concat和pandas.join和pandas.merge
10-05
pandas.concat是pandas库中一个用于连接（合并）多个数据框（DataFrame）的函数。它可以沿着指定的轴（默认为行轴）将多个数据框连接在一起，形成一个新的数据框。这个函数可以实现多种连接方式，包括按行或按列连接，连接时可以指定连接方式（内连接、外连接等）以及对缺失值的处理方式。pandas.concat的语法如下： ```python pandas.concat(objs, axis=0, join='outer', ignore_index=False) ``` 其中，objs是要连接的多个数据框（DataFrame）的列表或字典；axis是指定连接的轴，默认为行轴（axis=0）；join是指定连接方式，默认为外连接（join='outer'）；ignore_index是是否忽略原始索引，默认为False。 pandas.join是pandas库中用于按照索引连接多个数据框的方法。它可以根据索引将多个数据框连接在一起，形成一个新的数据框。和pandas.concat不同，pandas.join只能按照索引进行连接，无法指定其他连接方式。pandas.join的语法如下： ```python DataFrame.join(other, on=None, how='left', lsuffix='', rsuffix='', sort=False) ``` 其中，DataFrame是要连接的数据框；other是要连接的其他数据框；on是指定连接的列名或列名列表，默认为None使用索引进行连接；how是指定连接方式，默认为左连接（how='left'）；lsuffix和rsuffix是指定用于重叠列的后缀，默认为空字符串；sort是指定是否根据连接键排序，默认为False。 pandas.merge是pandas库中一个类似于SQL的内连接操作，用于按照列进行连接多个数据框。它可以根据指定的列将多个数据框连接在一起，形成一个新的数据框。pandas.merge的语法如下： ```python pandas.merge(left, right, on=None, how='inner', sort=False) ``` 其中，left和right是要连接的两个数据框；on是指定连接的列名或列名列表，默认为None自动寻找重叠列进行连接；how是指定连接方式，默认为内连接（how='inner'）；sort是指定是否根据连接键排序，默认为False。

“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 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