【Python】Python插件pandas的DataFrame对象详细介绍,如何拿到里面的值
一、Pandas简介
Pandas是Python的一个数据处理库,其中的DataFrame是一种二维的表格数据结构,类似于Excel中的表格。DataFrame由行和列组成,每一列可以是不同的数据类型(如整数、浮点数、字符串等),每一行都有一个唯一的索引值。
二、创建一个DataFrame对象
要创建一个DataFrame对象,可以使用Pandas的read_csv()函数从CSV文件中读取数据,也可以手动创建一个DataFrame对象。
例如,以下代码创建了一个DataFrame对象:
import pandas as pd
data = {'姓名': ['张三', '李四', '王五'],
'年龄': [20, 25, 30],
'性别': ['男', '女', '男']}
df = pd.DataFrame(data)
print(df)
输出结果为:
姓名 年龄 性别
0 张三 20 男
1 李四 25 女
2 王五 30 男
三、访问DataFrame中的值
要访问DataFrame中的值,可以使用loc[]方法。例如,要访问第一行第二列的值,可以使用以下代码:
print(df.loc[0, '年龄'])
输出结果为:
20
还可以使用iloc[]方法,通过行列的位置来访问DataFrame中的值。例如,要访问第二行第一列的值,可以使用以下代码:
print(df.iloc[1, 0])
输出结果为:
李四
此外,还可以使用at[]和iat[]方法来访问DataFrame中的单个值,它们比loc[]和iloc[]方法更快,但只能访问单个值。
三、读取Excel及DataFrame的各种使用方式
import pandas as pd
path = 'E:\python\测试\\数据查询.xlsx'
data = pd.DataFrame(pd.read_excel(path,sheet_name='Left',header=1,converters={
'A': str})) # converters={'A': str} 设置A列格式为文本
data.index # 查看索引
data.values # 查看数值
data.sort_index() # 按索引排序
data.sort_values() # 按数值排序
data.head( 5 ) # 查看前5行
data.tail( 3 ) # 查看后3行
data.values # 查看数值
datashape # 查看行数、列数
data.isnull() # 查找data中出现的空值
data.unique() # 查看唯一值
data.columns # 查看data的列名
data.sort_index() # 索引排序
data.sort_values() # 值排序
pd.merge(data1,data2) # 合并,以下为左连接
pd.merge(data1,data2,on=[a],how='left')
pd.concat([data1,data2]) # 合并,与merge的区别,自查**(特别注意要使用[])**
pd.pivot_table( data ) # 用df做data透视表(类似于Excel的数透)
data.reset_index() # 修改、删除原有索引
data.reindex() # 重置索引,如下示例
data=data.reindex(columns=['商品名称', '规格', '对应车型类别', '备注', '新增的一列'], fill_value='新增的一列要填的值')
a=data['x'] # 取列名为'x'的列,格式为series
b=data[['x']] # 取列名为'x'的列,格式为Dataframe
c=data[['w','z']] # 取多列时需要用Dataframe的格式
data.loc['A'] # 取行名为'A'的行
data.loc[:,['x','z'] ] # 表示选取所有的行以及columns为x,z的列
data['name'].values # 取列名为'name'的列的值(取出来的是array而不是series)取单行后是一个Series,Series有index而无columns,可以用name来获取单列的索引
data.head(4) # 取头四行
data.tail(3) # 取尾三行
**data= data.iloc[2:, 2:20] # 选择2行开始、2-11列**
[m, n] = data.shape # 对m,n进行复制,m等于最大行数 n等于最大列数
data.notnull() # 非空值
data.dropna() # 删除空值
data.dropna() # 删除有空值的行
data.dropna(axis=1) # 删除有空值的列
data.dropna(how='all') # 删除所有值为Nan的行
data.dropna(thresh=2) # 至少保留两个非缺失值
data.strip() # 去除列表中的所有空格与换行符号
data.fillna(0) # 将空值填充0
data.replace(1, -1) # 将1替换成-1
data.fillna(100) # 填充缺失值为100
data.fillna({
'语文':100,'数学':100,}) # 不同列填充不同值
data.fillna(method='ffill') # 将空值填充为上一个值
data.fillna(method='bfill') # 将空值填充下一个值
data.fillna(method='bfill',limit=1) # 将空值填充下一个值,限制填充数量为1