pandas库的一些常用函数和属性的使用

最新推荐文章于 2022-05-13 13:59:59 发布
最新推荐文章于 2022-05-13 13:59:59 发布
阅读量264 收藏
点赞数
分类专栏： 学习 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45187794/article/details/107400829
版权

pandas库经常和numpy库一起使用，来完成些数据运算。
构造一个列表：
Series用于初始化一个数组，数据类型可以不同
输出结果为：
在这里插入图片描述
在这里插入图片描述
def date_range(start: Any = None, end: Any = None, periods: Any = None, freq: Any = None, tz: Any = None,normalize: Any = False,name: Any = None, closed: Any = None,**kwargs: Any)这是date_range的函数定义，可以根据需要设置参数。这两行代码的数据结果为：
在这里插入图片描述
构造DateFrame,DateFrame相当于一个表格：
在这里插入图片描述
输出结果为：
DF和DF1的输出结果
以字典的方式构造DateFrame
在这里插入图片描述
输出结果为：
DF2
在这里插入图片描述
输出结果为：
对应上图的输出结果
在这里插入图片描述
输出结果为：
print(DF2.values的数据结果)
在这里插入图片描述
输出结果为：
print(DF2.describe()和DF2.T的输出结果
在这里插入图片描述
输出结果为：
上图的输出结果

永不言败_never say never
关注
专栏目录
Pandas常用函数（df、series、索引）
qq_43115961的博客
09-16 1421
Pandas常用函数（df、series、索引）
从Excel到Python：最常用的36个Pandas函数
最新发布
2401_84009773的博客
04-22 835
数据表检查的目的是了解数据表的整体情况，获得数据表的关键信息、数据的概况，例如整个数据表的大小、所占空间、数据格式、是否有 空值和重复项和具体的数据内容，为后面的清洗和预处理做好准备。本文涉及pandas最常用的36个函数，通过这些函数介绍如何完成数据生成和导入、数据清洗、预处理，以及最常见的数据分类，数据筛选，分类汇总，透视等最常见的操作。使用price列的均值来填充NA字段，同样使用fillna函数，在要填充的数值中使用mean函数先计算price列当前的均值，然后使用这个均值对NA进行填充。
Python之Pandas库常用函数大全（含注释）
CatEatApple的专栏
05-31 4334
前言：本博文摘抄自中国慕课大学上的课程《Python数据分析与展示》，推荐刚入门的同学去学习，这是非常好的入门视频。继续一个新的库，Pandas库。Pandas库围绕Series类型和DataFrame类型这两种数据结构，提供了一种高效便捷的数据处理方式。- Series 类型创建Series类型是一组数据及与之相关的数据索引组成 自动索引： a = pd.Series([9, 8, 7, 6])...
Pandas库常用函数和操作
weixin_30545285的博客
07-04 409
目录 1. DataFrame 处理缺失值 dropna() 2. 根据某维度计算重复的行 duplicated()、value_counts() 3. 去重 drop_duplicates() 4. 拼接 (1) 拼接列merge() (2) 拼接行 5. 找出在某一特定维度为空值的所有行 6. 指定dataframe的维度...
Python数据分析：pandas常用函数
yhlp的博客
01-12 1424
pandas是python中的 一个数据处理库，同样在使用的时候我们要先输入import pandas as pd引入。
Python预处理之pandas、numpy介绍和常用函数使用
Sheenky的博客
05-13 5101
一、numpy基本介绍 1、什么是numpy NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 2、numpy的数据结构 numpy的数据结构是ndarray，它是一种N维的数组类型，它描述了相同类型的“items”的集合，同时
Python使用Pandas库常见操作详解
12-23
安装Pandas库通常非常简单，如果你使用Anaconda这样的集成环境，它会自动包含Pandas、NumPy和其他数据科学相关的包。如果没有Anaconda，你可以通过Python的包管理器pip安装Pandas，命令为`pip install pandas`。 ...
titanic.zip_pandas库使用案例_titanic_泰坦尼克
09-24
在数据分析领域，Python的Pandas库无疑是最为常用且强大的工具之一。本篇将深入解析如何利用Pandas库处理和分析泰坦尼克号（Titanic）数据集，以此为例，探讨Pandas在实际问题解决中的应用技巧。 首先，泰坦尼克号...
pandas常用函数
Jinlong_Xu的博客
03-31 2757
pandas常用函数                         import numpy as np   import pandas as pd   import matplotlib.pyplot as plt      ---------------numpy-----------------------   arr = np.array([1,2,3], dtype=np.float6
数据分析处理库Pandas-常用函数
白水的博客
11-15 2961
导入pandas库和numpy库 import pandas as pd import numpy as np 我们以一个csv文件来展示pandas是如何来进行数据预处理的：titanic_train.csv 读入文件titanic_train.csv titanic_survival = pd.read_csv("titanic_train.csv") 1、求平均值 ①通过...
pandas库一些常用函数、方法记录
qq_41151593的博客
01-05 933
pandas库一些常用函数、方法记录（自用，其中有很多是参考官方和网友的，这里只是简单汇总）更新中— import pandas as pd 1）、pd.Series(data, index=index, dtype=dtype) 参数 说明 data 数据，可以是列表，字典或Numpy数组 index 索引，为可选参数 dtype 数据类型，为可选参数 2)、df = pd.DataFrame(data, index=index, columns=columns) DataFr
python之pandas库学习常用函数
xiaoping_1988的博客
09-23 1043
python之pandas库学习常用函数,读取文件、统计数据
pandas一些常用函数以及操作的使用和理解（持续更新）
学习笔记
02-11 6526
pandas库的一些用法1.创建DataFrame2.dataframe.columns(更改列名)3.dataframe列索引、行索引4.dataframe存、读存csv文件 1.创建DataFrame import pandas as pd import numpy as np f = pd.DataFrame(np.arange(20).reshape(4, 5), index=["c", "a", "d", "b"]) print(f) 结果 2.dataframe.columns(更改列名)
pandas 常用函数
pan15125284的博客
08-28 2671
1、concat函数是在pandas底下的方法，可以将数据根据不同的轴作简单的融合 （1）可以将一个list里的数据框合并成一个数据框 pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integr...
pandas库如何使用
04-16
pandas是一个强大的数据处理和分析库，它提供了丰富的数据结构和函数，可以帮助我们轻松地进行数据操作和分析。下面是pandas库的一些常用功能和使用方法： 1. 数据结构： - Series：一维标签数组，类似于带有标签的数组。 - DataFrame：二维表格数据结构，类似于Excel表格。 2. 数据读取和写入： - 读取CSV文件：使用`pd.read_csv()`函数读取CSV文件，并将其转换为DataFrame对象。 - 读取Excel文件：使用`pd.read_excel()`函数读取Excel文件，并将其转换为DataFrame对象。 - 写入CSV文件：使用`df.to_csv()`方法将DataFrame对象写入CSV文件。 - 写入Excel文件：使用`df.to_excel()`方法将DataFrame对象写入Excel文件。 3. 数据预览和基本操作： - 查看前几行数据：使用`df.head()`方法，默认显示前5行数据。 - 查看后几行数据：使用`df.tail()`方法，默认显示后5行数据。 - 查看数据的维度：使用`df.shape`属性。 - 查看列名：使用`df.columns`属性。 - 查看索引：使用`df.index`属性。 - 筛选列数据：使用`df['column_name']`或`df.column_name`的方式。 4. 数据清洗和处理： - 缺失值处理：使用`df.dropna()`删除包含缺失值的行或列，使用`df.fillna(value)`填充缺失值。 - 重复值处理：使用`df.drop_duplicates()`删除重复的行。 - 数据排序：使用`df.sort_values()`方法对数据进行排序。 - 数据筛选：使用条件表达式对数据进行筛选。 5. 数据统计和分析： - 描述性统计：使用`df.describe()`方法计算数据的基本统计信息。 - 分组和聚合：使用`df.groupby()`方法对数据进行分组，并使用聚合函数进行计算。 - 数据透视表：使用`pd.pivot_table()`方法创建数据透视表。 以上是pandas库的一些基本功能和使用方法，希望对你有所帮助。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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