pythonpandas代码_Python pandas DataFrame操作的实现代码

1. 从字典创建Dataframe

>>> import pandas as pd

>>> dict1 = {'col1':[1,2,5,7],'col2':['a','b','c','d']}

>>> df = pd.DataFrame(dict1)

>>> df

col1 col2

0 1 a

1 2 b

2 5 c

3 7 d

2. 从列表创建Dataframe (先把列表转化为字典，再把字典转化为DataFrame)

>>> lista = [1,2,5,7]

>>> listb = ['a','b','c','d']

>>> df = pd.DataFrame({'col1':lista,'col2':listb})

>>> df

col1 col2

0 1 a

1 2 b

2 5 c

3 7 d

3. 从列表创建DataFrame，指定data和columns

>>> a = ['001','zhangsan','M']

>>> b = ['002','lisi','F']

>>> c = ['003','wangwu','M']

>>> df = pandas.DataFrame(data=[a,b,c],columns=['id','name','sex'])

>>> df

id name sex

0 001 zhangsan M

1 002 lisi F

2 003 wangwu M

4. 修改列名，从['id','name','sex']修改为['Id','Name','Sex']

>>> df.columns = ['Id','Name','Sex']

>>> df

Id Name Sex

0 001 zhangsan M

1 002 lisi F

2 003 wangwu M

6. DataFrame随机生成10行4列int型数据

>>> import pandas

>>> import numpy

>>> df = pandas.DataFrame(numpy.random.randint(0,100,size=(10, 4)), columns=list('ABCD')) # 0,100指定随机数为0到100之间(包括0，不包括100)，size = (10,4)指定数据为10行4列，column指定列名

>>> df

A B C D

0 67 28 37 66

1 21 27 43 37

2 73 54 98 85

3 40 78 4 93

4 99 60 63 16

5 48 46 24 61

6 59 52 62 28

7 20 74 36 64

8 14 13 46 60

9 18 44 70 36

7. 用时间序列做index名

>>> df # 原本index为自动生成的0~9

A B C D

0 31 25 45 67

1 62 12 61 88

2 79 36 20 97

3 26 57 50 44

4 24 12 50 1

5 4 61 99 62

6 40 47 52 27

7 83 66 71 4

8 58 59 25 62

9 38 81 60 8

>>> import pandas

>>> dates = pandas.date_range('20180121',periods=10)

>>> dates # 从20180121开始，共10天

DatetimeIndex(['2018-01-21', '2018-01-22', '2018-01-23', '2018-01-24',

'2018-01-25', '2018-01-26', '2018-01-27', '2018-01-28',

'2018-01-29', '2018-01-30'],

dtype='datetime64[ns]', freq='D')

>>> df.index = dates # 将dates赋值给index

>>> df

A B C D

2018-01-21 31 25 45 67

2018-01-22 62 12 61 88

2018-01-23 79 36 20 97

2018-01-24 26 57 50 44

2018-01-25 24 12 50 1

2018-01-26 4 61 99 62

2018-01-27 40 47 52 27

2018-01-28 83 66 71 4

2018-01-29 58 59 25 62

2018-01-30 38 81 60 8

8. dataframe 实现类SQL操作

pandas官方文档 Comparison with SQL

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。