pandas学习笔记

本文介绍了Pandas的基础操作,包括使用list创建Series、指定索引、创建DataFrame对象、数据查看、选择、设置、缺失值处理。在缺失值处理中提到了dropna函数的用法,如axis参数用于指定行或列,how参数决定删除条件。此外,还讨论了统计功能,如describe函数计算标准差,count函数进行行或列计数,以及concat函数用于数据连接。
摘要由CSDN通过智能技术生成

创建对象

1.传入list创建Series,并生成默认的整形索引

import pandas as pd 
s = pd.Series([1, 2, 3, 4, 5])
print(s)

2.指定索引创建Series

import pandas as pd
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
print(s)

3.创建DataFrame对象

import pandas as pd
dates = pd.date_range('20170101', periods=5)
df = pd.DataFrame(np.random.randn(5,4), index=dates, columns=list('ABCD'))
# randn表示生成一个维度为五行四列的数组并且服从正态分布
print(df) 

#传入python的dict创建DataFrame数组
df2 = pd.DataFrame({"a":1, "b":2, "c":3, "d":4, "e":("e1", "e2", "e3")})
print(df2)

4.数据查看

import pandas as pd
import numpy as np
df 
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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