Pandas基础学习

于 2024-10-05 01:16:13 发布
阅读量409 收藏 9
点赞数 4
分类专栏： 数据分析 文章标签： pandas 学习
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_72224727/article/details/142491227
版权

导入

导入pandas一般是这样导入的

import pandas as pd

Series

创建

s1 = pd.Series([5, 17, 3, 26, 31])

注意Series的第一个字母要大写，表明这其实是Series类的构建函数, 返回的是Series类的实例
在这里插入图片描述
在这里插入图片描述

获得元素或者索引

单独获得元素

s1.values

在这里插入图片描述
单独获得索引值

s1.index

在这里插入图片描述

索引和切片操作

在这里插入图片描述
在这里插入图片描述
Pandas中的Series也可以自己指定索引(默认是从0开始的整数）
在这里插入图片描述
新弄的索引叫做标签索引，原来的索引叫做位置索引，loc表示用标签索引，iloc表示用位置索引。
在这里插入图片描述
在这里插入图片描述

查找

在这里插入图片描述

修改

在这里插入图片描述

筛选

在这里插入图片描述

运算

当两个Series一起运算的时候，只有相同索引的值才会相加，只有一个的返回NaN
在这里插入图片描述
用方法的话可以给只有一个的赋一个值进行相加
在这里插入图片描述
最大、最小、求和、平均值
在这里插入图片描述
在这里插入图片描述

统计信息

在Series中有一个函数describe可以直接告诉我们一些统计信息

s.describe()

在这里插入图片描述

对元素分别操作

在这里插入图片描述
在这里插入图片描述

注意apply函数是返回一个新的，不改变原来的。

DataFrame

创建

DataFrame相当于好几个Series标注在一块
在这里插入图片描述
在这里插入图片描述

索引、列名、元素

在这里插入图片描述
元素返回的是array的数组

转置

将行和列进行转置
在这里插入图片描述

提取

单个
在这里插入图片描述
多个
在这里插入图片描述
同Series一样，DataFrame也同样具有标签索引提取和位置索引提取。
标签索引
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
在这里插入图片描述
位置索引
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

筛选

在这里插入图片描述
也可以通过head方法来获取前几行
在这里插入图片描述

修改和添加

原表格
在这里插入图片描述
修改
修改时可以用python原来的列表，也可以用Series, 如果用Series,必须写上index，否则无法正常匹配，列表的话会直接用顺序来进行匹配。
如果有的话会直直接进行修改.
在这里插入图片描述
如果没有的话会进行添加
在这里插入图片描述
当然这是在行上进行添加，也可以在列上进行添加。
在这里插入图片描述
但是注意如果用顺序索引就不能越界
在这里插入图片描述

删除

用drop()函数可以返回对应删除某一行的列表,注意这里是返回删除的列表,而并非对原始列表直接进行操作
在这里插入图片描述
如果要进行对列的删除的话，需要在drop后面加一个参数, axis = 1
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
DataFrame也可以和Series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
在这里插入图片描述

更多统计函数

mean
直接调用mean函数，默认是对列进行操作
在这里插入图片描述
但是指定一下axis = 1,就可以变成横向操作了
在这里插入图片描述
apply
在这里插入图片描述
在这里插入图片描述

这样就可以对于每行或者每列的（默认是列）的数据依次传入进行操作
applymap
这是一个对每个元素做的操作，会向函数传入每个元素作为参数。
在这里插入图片描述
describe
在这里插入图片描述
这个函数会对每一列进行统计信息（只对数字信息）
想对行的话可以这样
在这里插入图片描述

Ldawn_AI
关注
专栏目录
Pandas 学习笔记基础知识汇总
marvinmao的博客
08-02 4748
一、pandas读取和存储excel、csv文件 1、df1 = pd.read_excel( file_path ,index_col = ‘col2’ ) 设置索引列为col2，读取出来的数据是dataframe格式 2、df2 = pd.read_csv( serprator =’::’,engine = python) 设置分隔符和读取引擎 3、dataframe.to_excel( file_path ) dataframe.to_csv( ) 4、pd.read_excel(filepath,
pandas_foundation:Pandas基础学习笔记
05-18
Boris Paskhaver很用心的读完了整个pandas的说明文件，然后将课程分成了十三个部份来讲解，十八个小时的课程，读完了你的熊猫功力可以提升一甲子，只分享个人学习上的笔记，范例资料集的部份不提供，很建议可以购买...
pandas基础学习
qq_50086023的博客
11-13 6597
pandas是python中专门专门用于数据处理和数据分析的第三方库
Pandas 基础学习1
mainzld的博客
05-03 994
近期，学习了B站上，pandas的教程，整理了下，以防忘记。
Pandas基础知识
weixin_44002014的博客
09-03 1919
本篇内容为笔者学习pandas库时在网上搜集、整理的信息，主要目的在于帮助和我一样的初学者更为方便地找到详细且通俗易懂的pandas资料。所有内容均来源于网络，如有错误之处欢迎评论、留言讨论，笔者会及时修改错误。如有侵权烦请联系笔者删除，谢谢！
Pandas学习-基础
m0_56331594的博客
07-20 2003
pandas基础学习笔记
pandas基础学习笔记（简略版）
feverfew1的博客
12-02 1266
1、DataFrame 既有行索引(index)又有列索引(columns)的二维数组 # 生成dataframe stock=[f'股票{i}' for i in range(10)] date=pd.date_range(start='20211201',priods=5,freq='B') data1=pd.DataFrame(stock_change,index=stock,columns=date) data2=pd.DataFrame({'month':[1,2,3,45,5],
Pandas 学习总结（一）
qq_64286820的博客
04-18 1141
Pandas 是一个流行的 Python 库，用于数据分析和数据操作。它提供了数据结构和函数，使得在 Python 中进行数据操作更加简单和高效。Pandas 最主要的数据结构是 Series 和 DataFrame。Series 是一维标记数组，可以包含任何数据类型。每个 Series 都有一个与之关联的索引，可以用于访问数据项。DataFrame 是一个二维的、大小可变的数据结构，类似于电子表格或 SQL 数据表。它由行和列组成，每列可以包含不同的数据类型。
【作品集】Python-Pandas基础学习资料
m0_57446978的博客
03-18 621
Pandas系列学习教程
lzylzy66的博客
03-10 569
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了Pandas学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
机器学习numpy和pandas基础,numpy和pandas学哪个,Python
09-10
在Python的科学计算领域，numpy和pandas是两个不可或缺的库。...通过阅读《机器学习numpy和pandas基础.pdf》这样的教程，你可以系统地学习这两个库的基本用法和高级特性，从而在实际项目中游刃有余。
Python-建模分析师之硬技能 Python数据分析基础 机器学习numpy和pandas基础 共147页.pdf
05-22
在Python数据分析领域，硬技能通常包括对Python编程的熟悉程度，特别是对于数据分析和机器学习相关的库，如numpy和pandas的掌握。这份资料主要涵盖了这些关键领域的基础知识。 首先，Jupyter Notebook是一个广泛...
机器学习numpy和pandas基础
09-13
在机器学习领域，掌握基础的数据处理工具至关重要，其中numpy和pandas是Python中不可或缺的库。本课程将围绕这两个库，讲解如何利用它们进行高效的数据分析和预处理，为后续的机器学习项目打下坚实的基础。 首先，...
Go基础学习08-并发安全型类型-通道（chan）深入研究
FLJS_T的博客
09-28 916
在前面学习中了解到对于单值变量，如：int、string；多值变量，如：map存在多协程对资源竞争的并发问题，为了解决并发性通常需要引入sync.Mutex解决。>对于通道的基本声明方式有三种：声明并初始化带缓冲的通道（ch1）；声明并初始化一个不带缓冲的通道（ch2）；仅仅声明一个通道（ch3） >什么是通道：==一个通道相当于一个先进先出（FIFO）的队列。也就是说，通道中的各个元素值都是严格地按照发送的顺序排列的，先被发送通道的元素值一定会先被接收。Select和for循环实现对channel的多次选
10.2学习
2401_87363162的博客
10-02 1126
​ Spring AOP就是基于动态代理的，如果要代理的对象，实现了某个接⼝，那么Spring AOP会使⽤JDKProxy，去创建代理对象，⽽对于没有实现接⼝的对象，就⽆法使⽤ JDK Proxy 去进⾏代理了，这时候Spring AOP会使⽤基于asm框架字节流的Cglib动态代理 ，这时候Spring AOP会使⽤ Cglib ⽣成⼀个被代理对象的⼦类来作为代理。每个线程中都有一个自己的ThreadLocalMap类对象，可以将线程自己的对象保持到其中，各管各的，线程可以正确的访问到自己的对象。
从0学习React（3）
qq_54432917的博客
09-29 775
在第一篇文章中，我们对index.tsx文件的每一行代码都做了简单的分析。通过第一篇文章的总结，我也大致知道了index.tsx里的很多语法。而第二篇文章，我对index.tsx文件的框架做了一个大致的分析，通过第二篇文章，我对index.tsx有了进一步的认识。按理来讲，第三篇文章我还是解析index.tsx文件，但是我发现，对于前两篇文章，其实我对语法的细节有很多不明白的点。因此这篇文章，我就把React的一些最基础的知识给梳理一下，帮助我更好的理解index.tsx的代码。
Go基础学习10-原子并发包sync.atomic的使用：CSA、Swap、atomic.Value......
最新发布
FLJS_T的博客
10-02 915
原子操作sync.atomic以及原子变量atomic.Value详细介绍。go中原生的支持原子操作的函数支持的变量类型int32、int64、uint32、uint64、uintptr，以及unsafe包中的Pointer。对于上述原子操作类型中的每一个，可以支持的数据类型有：==int32、int64、uint32、uint64、uintptr，以及unsafe包中的Pointer。但是否sync.Mutex变量能够保证操作的原子性。atomic.Value类型是开箱即用的，我们声明一个该类型的变量
6.824 Lab 2C 学习记录
kingsill的博客
09-29 320
最后10s，开始的时候，恢复网络，插入一个数据，等待这个数据被提交，如果超过这10s就报错。2C的test中的unreliable figure8算是给博主的迎头一棒，需要根据raft论文的figure8进行解决，leader。根据前任及博主自己的经验，unreliable figure8的除了上述这一点以外，需要对。博主由于之前的不严谨，给自己留下了很大的改进困难，最后不得不重构代码。进行一定的设计，可以参考课程里老师提出的意见。一下为博主的github仓库，需要的可以参考。有一定的考验，那么就需要对。
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