Pandas 数据处理基础4---数据删减及其用法

最新推荐文章于 2024-05-21 20:13:57 发布
最新推荐文章于 2024-05-21 20:13:57 发布
阅读量439 收藏 1
点赞数
分类专栏： Pandas数据处理 文章标签： python 大数据
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_38530648/article/details/103564351
版权

数据删减

虽然我们可以通过数据选择方法从一个完整的数据集中拿到我们需要的数据，但有的时候直接删除不需要的数据更加简单直接。Pandas 中，以 .drop 开头的方法都与数据删减有关。

DataFrame.drop 可以直接去掉数据集中指定的列和行。一般在使用时，我们指定 labels 标签参数，然后再通过 axis 指定按列或按行删除即可。当然，你也可以通过索引参数删除数据，具体查看官方文档。

df.drop(labels=['Median Age','Total Males'],axis=1) #删除第一行的指定标签的列

输出结果(由于实验结果太长了，仅截取一部分):

最低0.47元/天 解锁文章
阳光下的米雪
关注
专栏目录
《自然语言处理实战入门》第二章：NLP 前置技术（基础库） ---- Pandas （练习篇）
shiter编写程序的艺术
12-23 1105
介绍 Pandas 是非常著名的开源数据处理库，我们可以通过它完成对数据集进行快速读取、转换、过滤、分析等一系列操作。除此之外，Pandas 拥有强大的缺失数据处理与数据透视功能，可谓是数据预处理中的必备利器。 知识点 数据类型 数据读取 数据选择 数据删减 数据填充 Pandas 是非常著名的开源数据处理库，其基于 NumPy 开发，该工具是 Scipy 生态中为了解决数据分析任务而设计。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。 特有的数据结构是 P
数据分析案例-基于亚马逊智能产品评论的探索性数据分析
热门推荐
m0_64336780的博客
02-15 1万+
数据成为新时代企业不可或缺的资产，不同行业、不同领域的公司都越来越注重数据在公司运营中发挥的作用，从谷歌、亚马逊到阿里、百度、腾讯，都因其拥有大量的用户注册和运营信息，成为天然的大数据公司。显然亚马逊早已开始尝试从数据中发掘价值，长期以来通过大数据分析，尝试定位客户并获取客户反馈，其不仅从每个用户的购买行为中获得信息，还将每个用户在网站上的所有行为都记录下来，充分体现了亚马逊对数据价值的高度敏感和重视及其强大的挖掘能力。
★DataFrame基本操作
supreme_emperor的博客
06-16 178
★ DataFrame基本操作
pandas库--DataFrame常用操作
bradyM的博客
06-27 9628
DataFrame的基本操作
【数据处理包Pandas】DataFrame数据的基本操作
Morse_Chen的博客
03-31 1406
本文讲解数据处理包Pandas，围绕DataFrame数据的基本操作，包括增删改查。
DataFrame基本操作
zhangzhoubin666的博客
11-17 6166
其实代码就是按照人的思维编写的底层，所有的函数都是按照人类的认知定义的。 1、读取表，设置类索引和行索引 datas=pd.DataFrame(数据表，index=list(''),columns=list('')) eg:df1 = pd.DataFrame(np.random.randn(3, 3), index=list('abc'), columns=list('ABC')) 2、格式化函数 .format() 格式化字符串函数str.format()将对应的字段转化成个性化的
dataframe基础操作
User_LLan的博客
12-13 744
R语言学习笔记（1）：dataframe操作总结
python series转换为字符串_python库--pandas--Series.str--字符串处理
weixin_40005795的博客
12-15 9648
原数据import pandas as pda = pd.Series(['aSd', 'asd', 'dfd fsAsf sfs'])b = pd.Series([None, 'asd', 'fgh'])indexab0aSdNone1asdasd2dfd fsAsf sfsfgh字符大小写转换a.str.lower()a.str.upper()a.str.title()a.str.capita...
《自然语言处理实战入门》第二章：NLP 前置技术（基础库） ---- Pandas
shiter编写程序的艺术
12-16 747
Pandas 是非常著名的开源数据处理库，我们可以通过它完成对数据集进行快速读取、转换、过滤、分析等一系列操作。除此之外，Pandas 拥有强大的缺失数据处理与数据透视功能，可谓是数据预处理中的必备利器。
Pandas 的DataFrame基本操作总结
weixin_42223207的博客
11-15 560
Pandas 的DataFrame基本操作总结 最近在项目中使用到了Pandas的DataFrame，趁着新鲜劲儿，整理以下用到的知识，如果有不对的地方，请各位博主指正。 本博客从DataFrame创建以及对DataFrame的空，筛选列等操作做介绍。 1. 创建DataFrame 输入可以是np.array, list,也可以是excel，csv等。 df = pd.DataFrame([[1, "aa", 12, 67, "xian"], [2, "bb",
Pandas模块中的DataFrame数据操作
天际
03-09 3445
将Excel中的数据读入Pandas模块中的DataFrame结构，然后对数据进行增删查改等操作。
pandas中dataframe的一些常用操作
qq_43391414的博客
06-05 854
比如参数可以填入字符串“dict"，然后就会由dataframe转化为另外一种格式，是一个字典，其中键为column（就是dataframe的那个列名），值为字典{”第1行名“：第1行该列的值，”第2行名“：第2行该列的值，.。比如我们的数据有一列是浮点数，我们要将其变为正数。经过实验，发现没有什么很好的办法可以做到这一点，下面这个凑合着用就行。参数有好多个选项，共有6个。
pandas中DataFrame的常用操作
weixin_47844457的博客
05-06 697
数据集的信息 使用info()方法输出数据集的信息 举例import numpy as np import matplotlib.pyplot as plt import matplotlib import pandas as pd import sklearn # matplotlib.rc("font",family='FangSong') df = pd.read_csv('data\\boston.csv') # 读取数据集 df = df.sample(500, replace=False,
Pandas——掌握DataFrame的常用操作
XQC_KKK的博客
04-25 3131
Pandas——掌握DataFrame的常用操作一、查看DataFrame的常用属性1.1、订单详情表的4个基本属性1.2、size、ndim和 shape属性的使用1.3、使用T属性进行转置二、查改增删DataFrame数据2.1、查看访问DataFrame中的数据2.1.1、使用字典访问内部数据的方式访问DataFrame单列数据2.1.2、使用访问属性的方式访问DataFrame单列数据2.1.3、DataFrame单列多行数据获取2.1.4、访问DataFrame多列的多行数据2.1.5、访问Dat
数据分析必备：一步步教你如何用Pandas做数据分析（4）
最新发布
qq_45746668的博客
05-21 1026
DataFrame 是 Pandas 中的另一个核心数据结构，用于表示二维表格型数据。 DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。
Pandas CookBook -- 02DataFrame基础操作
weixin_30500289的博客
10-01 137
Pandas基础操作 简书大神SeanCheney的译作，我作了些格式调整和文章目录结构的变化，更适合自己阅读，以后翻阅是更加方便自己查找吧 import pandas as pd import numpy as np 设定最大列数和最大行数 pd.set_option('max_columns',5 , 'max_rows', 5) 1 选取多个DataFrame列 1.1 用列表选取多个列 m...
pandas Dataframe操作
酒桶在你野区的博客
06-01 340
import pandas as pd 1 创建空Dataframe df = pd.DataFrame(columns=('a', 'b', 'c')) df a b c 2 添加一行Series数据 先创建Series s1 = pd.Series({'a': 1, 'b': 2, 'c': 3}) s1 a 1 b 2 c 3 dtype: int64 s2 = pd.Se
和鲸社区-Numpy+Pandas数据处理闯关-关卡5
03-29
关卡5：数据处理之数据合并 题目描述： 现在有两个数据表df1和df2，请将它们按照某个共同的列进行合并。 df1: | id | name | age | | ---- | ---- | --- | | 1 | Tom | 20 | | 2 | Jack | 22 | | 3 | Mary | 21 | df2: | id | score | | ---- | ----- | | 1 | 80 | | 2 | 90 | | 4 | 85 | 请将df1和df2按照id列进行合并，输出合并后的结果。 输出： | id | name | age | score | | ---- | ---- | --- | ----- | | 1 | Tom | 20 | 80 | | 2 | Jack | 22 | 90 | 参考代码： ```python import pandas as pd df1 = pd.DataFrame({'id': [1, 2, 3], 'name': ['Tom', 'Jack', 'Mary'], 'age': [20, 22, 21]}) df2 = pd.DataFrame({'id': [1, 2, 4], 'score': [80, 90, 85]}) merged_df = pd.merge(df1, df2, on='id') print(merged_df) ``` 运行结果： ``` id name age score 0 1 Tom 20 80 1 2 Jack 22 90 ```
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