pandas 切片_pandas常用的82个方法合集

pandas系列:

1.创建pandas

2.索引、切片、筛选

3.初步探索pandas

4.清洗pandas

5.高级处理pandas

6.时间序列

7.绘图

pandas和matplotlib是数据分析中最基础的python库了。接下来就是机器学习,回归、聚类、分类、关联规则等…

811378f29ef47c9d7434d19ce085c7c2.png

一.3种创建DataFrame的方法

1.使用列表创建DataFrame

8446018d288f2b15a94d3f4f0f61be6a.png

添加columns和index名称

a3e5603f745080fe95d53078461f5bb7.png

2.使用字典创建DataFrame

f910fb64c1a01d14e021b8439fcc949e.png

3.使用数据读取创建DataFrame

a93401d61ee537c8cc4457db0d72f4c2.png

超级简单有没有,想要导入一个excel文件,直接一句话pd.read_excel,然后excel就出现了,csv文件也是同理。

最简单的是pd.read_clipboard,你Ctrl+C复制一个表格,然后输入这句,表格就直接出现了。

5cdcd1e4f9ea43c3ba2c322c966f8d81.png

同理,把表格转出成excel、csv也很简单,只要fruits.to_excel就可以了。

36cb20950a7b7c47355f3aefe5ff5b48.png

二.DataFrame的索引、切片和筛选

1.使用[ ]

[]索引的是列,并且必须使用列名。即df[col_name]。

如果col_name中间没有空格,也可直接使用df.col_name。如df['age']等同于df.age

  • 索引单行列

026233e44f8cdbbe3739b266573e60ed.png
  • 索引多行列:

2473995e879eec3af144d8531965659c.png
  • []进行筛选

ebc0396e9686a30063187a051bca67a1.png

2.使用df.loc

  • df.loc索引行和列,但必须使用行名称和列名称,df.loc[index_name,col_name]

2ac3613c34d812370f1bebb9e2c8aff9.png
  • 同时索引行和列(行、列用逗号隔开):

a7931d8ae0d34cb3ab016cc87bca9249.png
  • df.loc进行切片

b5a3f4f10edc8827f369237715079cb1.png
  • df.loc行和列都进行索引

7c9f619e4ae4102cc3f32b2ca696c10a.png
  • df.loc进行筛选

03f8e6432a77fe074b9699afe3ae56f5.png
  • 注:这里的多列使用一个方括号即可

8f6f473fd29474e262a52f25032c4fe3.png

3.使用df.iloc

  • 类似loc,不同之处在于loc使用行列名称,iloc使用行列位置索引

3e76d35bbef4506ebbcc178bce3189a4.png
  • df.iloc进行切片

de5f49212a9c7ea7ef0a180b727a33d1.png
  • df.iloc进行行列同时切片

a01d50c835badf47d02201c330850af7.png
  • df.iloc进行筛选

e486a3a0f932905f4f546281f476f1ba.png

————————分割线———————

0f0aeda2c685da24b21c6dd25a013e25.png

5307ebc1e95ae671919ed55ed0d8b47c.png

2e3e2c8a1e5ed430c932311080445686.png

01b442f7358316f23a7ddb8c3c8b321c.png

具体解释和运行结果都放在公众号里了,懒得贴上来了,哈哈哈哈~

d1193e8f375ff3cdab834773274d6625.png
  • 1
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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