Pandas 使用技巧（一）

最新推荐文章于 2024-04-25 09:38:16 发布
最新推荐文章于 2024-04-25 09:38:16 发布
阅读量376 收藏
点赞数
分类专栏： Python 文章标签： python pandas
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/sfw_123817/article/details/80721439
版权
Pandas 的列表
pd.Series([1,2,3,4])

它会为每一个数据设置一个序号
dtype，列表中数据的格式

DataFrame：

Pandas 的矩阵， 在Pandas中叫做DataFrame, 它是一个大的矩阵类似于二维的numpy， 数据为numpy的数据，但是为每行指定索引和每一列指定索引，结构类似于通常意义的表。

dates = pd.date_range('20150101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=['a','b', 'c', 'd'])
最低0.47元/天 解锁文章
阿农安贵人
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pandas练习---100题-和鲸kesci版
Croyance_M的博客
10-31 9926
https://www.kesci.com/home/project/59e77a636d213335f38daec2/code 题目来源于此网站，数据可以从此网站上下载。 觉得pandas和numpy的知识点都很琐碎，所以简单看了一下，开始做题。 这题目有些和答案写的不一样，有些题目出得模棱两可，就按照自己的想法写了。 练习一：探索Chipotle快餐数据 1. 导入 Pandas ...
数据分析 | Pandas 200道练习题，每日10道题，学完必成大神（1）
小鱼干儿的博客
10-26 5805
数据分析 | Pandas 200道练习题，每日10道题，学完必成大神，题目由浅到深，层层递进，让你不仅仅是知道Pasdas,更会灵活的使用。
Pandas十大练习题，掌握常用方法
weixin_44911248的博客
01-12 1946
总结了十道pandas常用方法的练习题，适合pandas库的入门以及训练基础
PandasGUI: 数据科学家的可视化数据操作工具
最新发布
gitblog_00093的博客
04-25 271
PandasGUI: 数据科学家的可视化数据操作工具 项目地址:https://gitcode.com/adamerose/PandasGUI PandasGUI 是一个开源的Python库，它为数据处理和分析提供了直观的图形用户界面（GUI）。如果你是经常使用Pandas进行数据分析的开发者，那么PandasGUI将会是你新的得力助手。 技术概述 PandasGUI构建在流行的Python数据...
50道练习实践学习Pandas！
Datawhale
01-16 2164
DatawhaleDatawhale，和鲸社区编辑Pandas 是基于 NumPy 的一种数据处理工具，该工具为了解决数据分析任务而创建。Pandas 纳入了大量库和一些标准的数据模型，...
10个Pandas的小技巧
deephub
10-19 4960
pandas是数据科学家必备的数据处理库，我们今天总结了10个在实际应用中肯定会用到的技巧。
pandas数据分析使用技巧
12-22
1、被下单数最多商品(item)是什么 c = chipo[['item_name','quantity']].groupby(['item...2、在item_name这一列中，一共有多少种商品被下单？ (1) chipo['item_name'].nunique() (2) len(chipo.item_name.value_count
pandas.Series 基本技巧
12-20
在Python数据分析领域，pandas库中的Series对象是一个非常重要的数据结构。它类似于一维数组，但每个元素都有一个对应的标签，即索引。本篇将详细介绍`pandas.Series`的一些基本技巧，包括添加数据、删除数据、查看...
pandas.DataFrame 基本技巧
12-20
使用`del`关键字可以直接删除DataFrame中的列，如`del df["a"]`会删除名为"a"的列。而`drop()`函数则更加灵活，可以删除行或列。例如，`df.drop(0)`会删除第一行，`df.drop(["d"], axis=1)`会删除名为"d"的列。注意...
11个Python Pandas小技巧让你的工作更高效(附代码实例)
09-19
主要介绍了11个Python Pandas小技巧让你的工作更高效(附代码实例)，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
这25个Pandas高频实用技巧，不得不服！
weixin_36896856的博客
08-28 299
点击上方“AI遇见机器学习”，选择“星标”公众号重磅干货，第一时间送达今天给大家准备了25个pandas高频实用技巧，让你数据处理速度直接起飞。文章较长，建议收藏！首先我们需要先提前下载好示例数据集：drinksbycountry.csv : http://bit.ly/drinksbycountryimdbratings.csv : http://bit.ly/imdbratingschipor...
吹爆这个 pandas GUI 神器，自动转代码！
Oner.wv的专栏
10-25 674
关于pandas的GUI工具，我之前介绍过pandasgui。可以说，有了GUI可视化界面，操作就和Excel一样简单，本次再介绍一款功能更加强大的GUI神器：D-Tale。这个库的名字为...
pandas处理数据踩坑之旅
杂谈
03-08 803
pandas处理数据踩坑之旅 1. 去除文件头部信息 使用header与skiprows两个参数可以精确控制文件头部的信息。header参数设置是否从文件读取columns以及columns所处的行数，而skiprows参数可以控制跳过行数。...
Pandas 矩阵运算
Claroja
03-23 2万+
DataFrame.add(other, axis=’columns’, level=None, fill_value=None) DataFrame.sub(other, axis=’columns’, level=None, fill_value=None) DataFrame.mul(other, axis=’columns’, level=None, fill_value=None)
高效的10个Pandas函数，你都用过吗？
Silence_01的博客
09-05 168
Pandas是python中最主要的数据分析库之一，它提供了非常多的函数、方法，可以高效地处理并分析数据。让pandas如此受欢迎的原因是它简洁、灵活、功能强大的语法。 这篇文章将会配合实例，讲解10个重要的pandas函数。其中有一些很常用，相信你可能用到过。还有一些函数出现的频率没那么高，但它们同样是分析数据的得力帮手。 介绍这些函数之前，第一步先要导入pandas和numpy。 import numpy as np import pandas as pd Query Query是pandas的过滤查
python pandas库的学习笔记二pandas的基本功能
一路前行
08-11 3917
1.重新索引 pandas对象的一个重要的方法就是reindex，作用是创建一个适应新索引的新对象。 >>> import numpy as np >>> import pandas as pd >>> from pandas import Series,DataFrame >>> obj=Series([4.5,7.2,-5.3,3.6],index=['d','b','a','c'])
Pandas——ix vs loc vs iloc区别
热门推荐
Oner.wv的专栏
05-06 8万+
Different Choices for Indexing 1. loc——通过行标签索引行数据 1.1loc[1]表示索引的是第1行（index 是整数） import pandas as pd data = [[1,2,3],[4,5,6]] index = [0,1] columns=['a','b','c'] df = pd.DataFrame(data=data, in...
pandas dataframe df.at、 df.ix、df.loc等用法
weixin_38070397的博客
05-24 3万+
首先，初始化一个dataframe，如图：输出结果：一、df.at的用法作用：获取某个位置的值，例如，获取第0行，第a列的值，即：index=0，columns='a'data = df.at[0, 'a']输出结果：二、df.ix的用法作用：修改df指定位置的值，例如，将第a列值为6时，c列的值加上20，即：输出结果：可以看出c列对应位置的值加上了20三、df.loc的用法作用：将各个列的值求和...
pandas 操作技巧
09-20
Pandas 是一个开源的数据分析工具库，提供了丰富而强大的操作技巧，下面将介绍一些常用的 pandas 操作技巧。 1. 数据读取与写入：使用 pandas 可以方便地读取和写入不同格式的数据文件，如 CSV、Excel、数据库等。只需使用对应的读取函数（如 read_csv()、read_excel()）和写入函数（如 to_csv()、to_excel()）即可。 2. 数据清洗与处理：pandas 提供了丰富的数据处理功能，如处理缺失值、重复值、异常值等。处理缺失值可以使用 dropna() 删除包含缺失值的行或列，使用 fillna() 填充缺失值；处理重复值可以使用 duplicated() 判断是否重复，再使用 drop_duplicates() 删除重复值；处理异常值可以使用条件判断或使用正则表达式等方法。 3. 数据选择与切片：pandas 可以灵活地选择和切片数据，使得数据的访问和操作更加简便。可以使用 loc[] 和 iloc[] 选择指定行或列，也可以使用条件判断选择特定条件下的数据。 4. 数据合并与拼接：pandas 提供了多种方式实现数据的合并和拼接操作，如使用 merge() 按照指定的键进行合并，使用 concat() 进行行或列的拼接，使用 join() 进行索引的连接等。 5. 数据分组与聚合：pandas 可以根据指定的条件进行数据分组，并进行聚合操作，如求和、求均值、求最大值等。可以使用 groupby() 对数据进行分组，再使用 agg()、sum()、mean() 等函数进行聚合运算。 6. 数据可视化：pandas 也提供了简单而强大的数据可视化功能，通过 DataFrame 的 plot() 方法可以直接绘制各种图表，如折线图、柱状图、散点图等。 以上是一些常用的 pandas 操作技巧，掌握这些技巧可以更加高效地进行数据处理和分析。当然，这仅仅是 pandas 的冰山一角，还有很多其他的功能和用法可以进一步探索和学习。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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