- 数据导入和读取:DataFrame可以从各种数据源中导入和读取数据,如CSV文件、Excel文件、数据库等。例如:
import pandas as pd # 从CSV文件读取数据 data = pd.read_csv('data.csv') # 从Excel文件读取数据 data = pd.read_excel('data.xlsx') # 从数据库读取数据 import sqlite3 conn = sqlite3.connect('database.db') data = pd.read_sql_query('SELECT * FROM table', conn)
- 数据查看和预览:DataFrame提供了方法用于查看和预览数据集的结构、内容和摘要统计信息。例如:
# 查看数据集的前几行 data.head() # 查看数据集的结构 data.info() # 查看数据集的统计摘要信息 data.describe()
- 数据清洗和处理:DataFrame可以用于数据清洗和处理,包括缺失值处理、重复值处理、数据类型转换等。例如:
# 处理缺失值 data.dropna() # 删除包含缺失值的行 data.fillna(value) # 使用指定值填充缺失值 # 处理重复值 data.drop_duplicates() # 删除重复的行 # 数据类型转换 data['column'] = data['column'].astype(new_type) # 将列的数据类型转换为新类型
- 数据筛选和过滤:DataFrame可以根据条件对数据进行筛选和过滤,选择特定的行或列。例如:
# 根据条件筛选行 filtered_data = data[data['column'] > 10] # 根据条件筛选列 selected_columns = data[['column1', 'column2']]
- 数据计算和统计分析:DataFrame支持各种数据计算和统计分析操作,如聚合计算、分组计算、排序等。例如:
# 聚合计算 mean_value = data['column'].mean() sum_by_group = data.groupby('group_column')['value_column'].sum() # 排序 sorted_data = data.sort_values(by='column', ascending=False)
DataFrame的常见用途和示例
于 2023-08-12 17:10:32 首次发布