pandas小节索引

最新推荐文章于 2023-05-23 09:51:00 发布

冒的感觉的疯子

最新推荐文章于 2023-05-23 09:51:00 发布

阅读量105

点赞数

分类专栏： pandas 文章标签： numpy 索引列表

本文链接：https://blog.csdn.net/weixin_42878736/article/details/106738996

版权

5 篇文章 0 订阅

订阅专栏

import pandas as pd
import numpy as np

obj = pd.Series([1,2,-5,-3],index=['a','b','d','c'])#pd.Series（）内可以放字典
obj

a    1
b    2
d   -5
c   -3
dtype: int64

obj.index
obj.reindex(['a', 'b', 'c', 'd','r'])

a    1.0
b    2.0
c   -3.0
d   -5.0
r    NaN
dtype: float64

精确索引
Series的reindex将会根据新索引进⾏重排。如果某个索引值
当前不存在，就引⼊缺失值

obj[obj > 0]#布尔索引

a    1
b    2
dtype: int64

np.exp(obj)

a    2.718282
b    7.389056
d    0.006738
d    0.049787
dtype: float64

pd.isnull(obj)
obj.isnull()
#obj.name()

a    False
b    False
d    False
d    False
dtype: bool

将列表或数组赋值给某个列时，其⻓度必须跟DataFrame的⻓度
相匹配。如果赋值的是⼀个Series，就会精确匹配DataFrame的
索引，所有的空位都将被填上缺失值

通过索引⽅式返回的列只是相应数据的视图⽽已，并
不是副本。因此，对返回的Series所做的任何就地修改全都
会反映到源DataFrame上。通过Series的copy⽅法即可指定
复制列

pop	={'Nevada':{2001: 2.4, 2002: 2.9},'Ohio': {2000: 1.5, 2001: 1.7, 2002: 3.6}}

frame = pd.DataFrame(pop,index=[2001,2002,2003,2000])
frame.reindex(columns=['Nevada','No'])#  相当于横向索引obj.drop('c')

明确指定了索引,内层字典的键会被合并、排序以形成最终的索引。
Index对象是不可变的，因此⽤户不能对其进⾏修改
不可变可以使Index对象在多个数据结构之间安全共享

frame.values

array([[2.4, 1.7],
       [2.9, 3.6],
       [nan, nan],
       [nan, 1.5]])

frame.columns

Index(['Nevada', 'Ohio'], dtype='object')

obj.drop(['d'])#多个就使用中括号
obj.drop('d')#丢弃指定轴上，可以是行或者列索引

a    1
b    2
c   -3
dtype: int64

使⽤轴标签（loc）
整数索引（iloc）data.icol[ [行],[列] ]
从DataFrame选择⾏和列的⼦集

关注