Python库Pandas的使用技巧（一）

最新推荐文章于 2022-04-24 20:17:08 发布

壹屋安源

最新推荐文章于 2022-04-24 20:17:08 发布

阅读量193

点赞数

分类专栏：笔记文章标签： python pandas

本文链接：https://blog.csdn.net/qq_44793283/article/details/115768524

版权

笔记专栏收录该内容

3 篇文章 0 订阅

订阅专栏

本文介绍了如何使用Pandas库进行数据操作，包括创建Series、DataFrame，数据筛选，算术运算，函数运算，以及DataFrame对象的属性。通过实例演示了合并DataFrame，数据筛选，列操作和基本的统计运算，适合初学者快速上手Pandas。

摘要由CSDN通过智能技术生成

导入pandas库

import pandas as pd

一、Pandas部分知识汇总

1、DataFrame对象的属性

pandas.Series(data=None,index=None,dtype=None, name=None)

返回值：返回一个Series对象
data：可以是一个Python列表
index与列表元素个数一致；也可以是字典，将键值对中的“值”作为Series对象的数据，将“键”作为索引；也可是一个标量值，这种情况下必须设置索引，标量值会重复来匹配索引的长度。
index：为Series对象的每个数据指定索引。
dtype：为Series对象的数据指定数据类型。
name：为Series对象起个名字。
在这里插入图片描述

2、算术运算与函数运算

（1）算术运算
适用于NumPy数组的运算符（+、-、* 、/）或其它数学函数，也适用于Series对象。可以将Series对象的数据数组与标量进行+、-、* 、/等算术运算。
（2）函数运算

>>> s = pd.Series([2,4,6],index = ["a","b","c"])
>>> np.sqrt(s)           #计算各数据的平方根
a    1.414214
b    2.000000
c    2.449490
>>> np.square(s)       #计算各数据的平方
a     4
b    16
c    36

3、数据筛选

在这里插入图片描述

二、举例尝试

1、ob=series([2,3,5,7,3,1]),建立series的时候指定索引

ob=pd.Series([2,3,5,7,3,1],index=['a','b','c','d','e','f'])
print(ob)

2、创建series dt=[1,2,3,4,5] id=[‘a’,‘b’,‘c’,‘d’,‘e’]

dt=[1,2,3,4,5]
id=['a','b','c','d','e']
ob=pd.Series(dt,index=id)
print(ob)

3、做下面的题

data1={'subject id':['1','2','3','4','5'],
       'first name':['Alex','Amy','Allen','Alice','Ayoung'],
       'last name':['Anderson','Ackerman','Ali','Aoni','Atiches']}
data2={'subject id':['4','5','6','7','8'],
       'first name':['Billy','Brian','Bran','Bryce','Betty'],
       'last name':['Bonder','Black','Balwner','Brice','Btisan']}
data3={'subject id':['1','2','3','4','5','7','8','9','10','11']
       ,'test id':[51,15,15,61,16,14,15,1,61,16]}

(1)分别变成DataFrame，取名df1,df2,df3。找出df3“test id”列最大的

df1=pd.DataFrame(data1)
df2=pd.DataFrame(data2)
df3=pd.DataFrame(data3)
print(df1)
print(df2)
print(df3)
print(df3['test id'].max())

(2) df1和df2沿X轴合并命名为df12X

df12X = pd.concat([df1,df2],axis=1)
print(df12X)

(3)把df1和df2两个DataFrame沿着Y轴进行合并，命名为df12Y

df12Y = pd.concat([df1,df2],axis=0)
print("Y轴",df12Y)

(4)查看df1的前三行数据

print(df1.head(3))

#(5)创建由下所示的Dataframe，命名为data：

#     Cite       year   cash
# 0   Neijiang   20     6
# 1   Chengdou   21     8
# 2   Beijing    24     10

data=pd.DataFrame({'Cite':['Neijiang','Chengdu','Beijing'],
                  'year':[20,21,24],
                  'cash':[6,8,10]})
print("data",data)
#5上题增加一列名为book 值为001，002，003
data['book']=['001','002','003']
print(data)

4、访问上一题year列，删除book列

print(data['year'])

方法一：

del data["book"]

方法二：

data=data.drop(columns=['book'],axis=0)
print(data)

5、对’year’列和’cash’列分别进行开放和平方运算

方法一：

print("开方运算：",data['year']**(1/2),data['cash']**(1/2))
print("平方运算：",data['year']**2,data['cash']**2)

方法二：

#math没有平方函数，自己写一个
def square(x):
    return x**2
import math
# data['year']=list(map(square(),data['year']))
print('平方运算',list(map(square,data['year'])),list(map(square,data['cash'])))
print('开方运算',list(map(math.sqrt,data['year'])),list(map(math.sqrt,data['cash'])))