Pandas_切片，函数映射，排序观察

切片

'''
loc:标签，索引
iloc:索引
'''
df.loc[1,1:3]#第一行，前2列
df.loc[:,1:3]#所有行，前2列
df.loc[:-1,-3:]#第一到倒数第二行，后3列

函数映射

df1=pd.DataFrame(np.random.randn(3,4),columns=list('dcbe'))
'''
          d         c         b         e
0 -0.032674 -0.267200  0.788107 -0.150488
1 -0.020137  0.581021  0.982505  1.044859
2  0.509123  1.811742 -0.880502  0.682232
'''
f=lambda x:abs(x)
print(df1.apply(f))
'''
          d         c         b         e
0  0.062587  1.587796  0.066560  1.446720
1  0.009803  0.651271  0.323897  1.158234
2  0.552796  2.462720  0.457245  1.415369
'''

排序

1.sort_index()
'''
参数：axis
     ascending,缺省True升序
     by,条件，指定列名或索引值，可以为多列或多索引
     inplace:是否用排序后的数据集替换原来的数据，默认为False，即不替换
     na_position:first,last，设定缺失值的显示位置
     level=None，支持负索引，-1代表最里面一层
     
'''
data=np.random.randint(100,size=12).reshape(3,4)
df1=pd.DataFrame(data,index=list('cba'),columns=range(4))
df2=df1.sort_index()
print(df2)
'''
    0   1   2   3
a  37  42  94  33
b  88  93  89  67
c  65  11  13  97
'''
2.sort_values()
'''
参数：
by:指定列名或索引值
axis:若axis=0，则按照指定列中数据大小排序；若axis=1，则按照指定索引中数据大小排序，默认axis=0
ascending,缺省True升序
inplace:是否用排序后的数据集替换原来的数据，默认为False，即不替换
na_position:first,last，设定缺失值的显示位置
'''
data=np.random.randint(100,size=12).reshape(3,4)
df1=pd.DataFrame(data,columns=list('abcd'))
df1.sort_values(by=['a'],inplace=True)
print(df1)
'''
    a   b   c   d
2  54  54  64  70
0  85  66  35  17
1  89  24  34  24
'''

观察方法

df.describe()
'''
  A  B  C  D
count 6.000000 6.000000 6.000000 6.000000 #数量
mean 0.073711 -0.431125 -0.687758 -0.233103 #平均值
std 0.843157 0.922818 0.779887 0.973118 #标准差
min -0.861849 -2.104569 -1.509059 -1.135632 #最小值
25% -0.611510 -0.600794 -1.368714 -1.076610 #正态分布 25%
50% 0.022070 -0.228039 -0.767252 -0.386188 #正态分布 50%
75% 0.658444 0.041933 -0.034326 0.461706 #正态分布 75%
max 1.212112 0.567020 0.276232 1.071804 #最大值
'''

df.head():默认前五行

df.tail(3):默认后五行