weixin_38287297的博客

往Series添加DataFrame要注意的是Series的索引和DataFrame的列名是否匹配，当匹配时s = pd.Series([1, 2])df = pd.DataFrame({ 0: [10,10], 1: [10,10] })print s print dfprint df + s0 11 2dtyp...

groupby用来将df按列名进行分组data = np.array([1,2,3,4,5])df = pd.DataFrame({ 'L1': data, 'L2': data==2， 'L3':data/2}, index=['a', 'b', 'c', 'd', 'e'])print df L1 L2 L3a 1 False ...

1.Pandas Series与numpy array不同点：Series是一个类数组的数据结构，同时带有标签（lable）或者说索引（index）。 Series可使用s.describe()。相同点：通过索引获取元素。 遍历 for x in a: 可使用函数：mean(),max()。 2.pandas series运算import pandas as pd...

Series.loc:通过标签或布尔数组访问一组行和列。loc[]主要是基于标签的，但也可以与布尔数组一起使用。import pandas as pddf = pd.DataFrame([[1, 2], [3, 4], [5, 6]],index=['cobra', 'viper', 'sidewinder'],columns=['max_speed', 'shield'])pr...

创建DataFrameimport pandas as pdimport numpy as npa = np.arange(50).reshape(10,5)# print atest_df = pd.DataFrame( data=a, index=['index0', 'index1', 'index2', 'index3', 'index4', ...

相同列名相加df1 = pd.DataFrame({'a': [1, 2, 3,4], 'b': [ 5,6,7,8], 'c': [9,10,11,12]})df2 = pd.DataFrame({'a': [10, 20, 30,40], 'b': [50, 60,70,80], 'c': [90,100, 110,120]})df3 = pd.DataFrame({'d': [10...

调用DataFrame的applymap()函数，df每个元素运算后会得到一个新的元素，从而得到一个新的df。df = pd.DataFrame({ 'a': [2, 2, 2], 'b': [2, 2, 2], 'c': [2, 2, 2]}) def multiply(x): return x * 2 ...