1 认识pandas
Pandas 是一个开源的第三方 Python 库,从 Numpy 和 Matplotlib 的基础上构建而来,享有数据分析“三剑客之一”的盛名(NumPy、Matplotlib、Pandas)。Pandas 已经成为 Python 数据分析的必备高级工具,它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具。
1.1 pandas主要特点
Pandas 主要包括以下几个特点:
-
它提供了一个简单、高效、带有默认标签(也可以自定义标签)的 DataFrame 对象。
-
能够快速得从不同格式的文件中加载数据(比如 Excel、CSV 、SQL文件),然后将其转换为可处理的对象;
-
能够按数据的行、列标签进行分组,并对分组后的对象执行聚合和转换操作;
-
能够很方便地实现数据归一化操作和缺失值处理;
-
能够很方便地对 DataFrame 的数据列进行增加、修改或者删除的操作;
-
能够处理不同格式的数据集,比如矩阵数据、异构数据表、时间序列等;
-
提供了多种处理数据集的方式,比如构建子集、切片、过滤、分组以及重新排序等。
1.2 pandas的优势
与其它语言的数据分析包相比,Pandas 具有以下优势
-
Pandas 的 DataFrame 和 Series 构建了适用于数据分析的存储结构;
-
Pandas 简洁的 API 能够让你专注于代码的核心层面;
-
Pandas 实现了与其他库的集成,比如 Scipy、scikit-learn 和 Matplotlib;
1.3 下载安装
pip install pandas
2 pandas内置数据结构
-
Series 是带标签的一维数组,这里的标签可以理解为索引,但这个索引并不局限于整数,它也可以是字符类型,比如 a、b、c 等;
-
DataFrame 是一种表格型数据结构,它既有行标签,又有列标签。
数据结构 | 维度 | 说明 |
---|---|---|
Series | 1 | 该结构能够存储各种数据类型,比如字符数、整数、浮点数、Python 对象等,Series 用 name 和 index 属性来描述 数据值。Series 是一维数据结构,因此其维数不可以改变。 |
DataFrame | 2 | DataFrame 是一种二维表格型数据的结构,既有行索引,也有列索引。行索引是 index,列索引是 columns。 在创建该结构时,可以指定相应的索引值。 |
2.1 Pandas Series
2.1.1 创建series对象
-
Pandas 使用 Series() 函数来创建 Series 对象,通过这个对象可以调用相应的方法和属性,从而达到处理数据的目的
import pandas as pd seriec_obj = pd.Series(data, index, dtype, copy) # data 输入的数据,可以是列表、常量、ndarray 数组等。 # index 索引值必须是惟一的,如果没有传递索引,则默认为 np.arrange(n)。 # dtype dtype表示数据类型,如果没有提供,则会自动判断得出。 # copy 表示对 data 进行拷贝,默认为 False。
-
ndarray创建Series对象
arr_one = np.array(['a', 'b', 'c', 'd'])
arr_obj = pd.Series(arr_one, index=('a', 'b', 'c', 'd'))
arr_obj_two = pd.Series(arr_one, index=(1, 2, 3, 4))
print(arr_obj)
print("arr_obj_two为:\n", arr_obj_two)
代码的运行结果为:
a a
b b
c c
d d
dtype: object
arr_obj_two为:
1 a
2 b
3 c
4 d
dtype: object
ndarray 是 NumPy 中的数组类型,当 data 是 ndarry 时,传递的索引必须具有与数组相同的长度。假如没有给 index 参数传参,在默认情况下,索引值将使用是 range(n) 生成,其中 n 代表数组长度
上述示例中没有传递任何索引,所以索引默认从 0 开始分配 ,其索引范围为 0 到
len(data)-1
,即 0 到 3。这种设置方式被称为“隐式索引”。
-
“显式索引”的方法定义索引标签
arr_str = np.array(['张三', '李四', '王五', '赵六'])
# 自定义索引标签(即显示索引)
ser_obj = pd.Series(arr_str, index=[1, 2, 3, 4])
print(ser_obj)
代码的运行结果为:
1 张三
2 李四
3 王五
4 赵六
dtype: object
-
dict创建Series对象
data = {'a': 0., 'b': 1., 'c': 2.}
ser_data = pd.Series(data)
print(ser_data)
代码的运行结果为:
a 0.0
b 1.0
c 2.0
dtype: float64
您可以把 dict 作为输入数据。如果没有传入索引时会按照字典的键来构造索引;反之,当传递了索引时需要将索引标签与字典中的值一一对应
data = {'a': 0., 'b': 1., 'c': 2.}
ser_data = pd.Series(data, index=['b', 'c', 'd', 'a'])
print(ser_data)
代码的运行结果为:
b 1.0
c 2.0
d NaN
a 0.0
dtype: float64
当传递的索引值无法找到与其对应的值时,使用 NaN(非数字)填充。
-
标量创建Series对象
ser_data = pd.Series(5, index=[0, 1, 2, 3])
print(ser_data)
代码的运行结果为:
0 5
1 5
2 5
3 5
dtype: int64
2.1.2 访问Series数据
访问 Series 序列中元素,分为两种方式,一种是位置索引访问;另一种是索引标签访问。
-
位置索引访问
ser_data = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
print(ser_data)
print(ser_data[0]) # 位置下标
print(ser_data['a']) # 标签下标
print(ser_data['b'])
代码的运行结果为:
a 1
b 2
c 3
d 4
e 5
dtype: int64
1
1
2
这种访问方式与 ndarray 和 list 相同,使用元素自身的下标进行访问。我们知道数组的索引计数从 0 开始,这表示第一个元素存储在第 0 个索引位置上,以此类推,就可以获得 Series 序列中的每个元素
通过切片的方式访问 Series 序列中的数据
ser_data = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
print(ser_data[:3])
print(ser_data[:7])
print(ser_data[1:3])
代码的运行结果为:
a 1
b 2
c 3
dtype: int64
a 1
b 2
c 3
d 4
e 5
dtype: int64
b 2
c 3
dtype: int64
-
索引标签访问
Series 类似于固定大小的 dict,把 index 中的索引标签当做 key,而把 Series 序列中的元素值当做 value,然后通过 index 索引标签来访问或者修改元素值。
ser_data = pd.Series([6, 7, 8, 9, 10], index=['a', 'b', 'c', 'd', 'e'])
print(ser_data[['a', 'c', 'd']])
代码的运行结果:
a 6
c 8
d 9
dtype: int64
2.1.3 Series常用属性
名称 | 属性 |
---|---|
axes | 以列表的形式返回所有行索引标签。 |
dtype | 返回对象的数据类型。 |
empty | 返回一个空的 Series 对象。 |
ndim | 返回输入数据的维数。 |
size | 返回输入数据的元素数量。 |
values | 以 ndarray 的形式返回 Series 对象。 |
index | 返回一个RangeIndex对象,用来描述索引的取值范围。 |
ser_data = pd.Series(np.array([10, 20, 30, 40, 50]))
print("ser_data:\n", ser_data)
print("axes:\n", ser_data.axes)
print("dtype为:\n", ser_data.dtype)
print("empty:\n", ser_data.empty)
print("ndim:\n", ser_data.ndim)
print("size:\n", ser_data.size)
print("values:\n", ser_data.values)
print("index:\n", ser_data.index)
代码的运行结果为:
ser_data:
0 10
1 20
2 30
3 40
4 50
dtype: int32
axes:
[RangeIndex(start=0, stop=5, step=1)]
dtype为:
int32
empty:
False
ndim:
1
size:
5
values:
[10 20 30 40 50]
index:
RangeIndex(start=0, stop=5, step=1)
2.1.4 Series常用方法
2.1.4.1 head()&tail()
-
如果想要查看 Series 的某一部分数据,可以使用 head() 或者 tail() 方法
ser_data = pd.Series(np.random.randn(5))
print(ser_data)
# 返回前三行数据
print(ser_data.head(3))
代码的运行结果为:
0 1.863595
1 -1.478136
2 -0.632712
3 -0.046976
4 1.435217
dtype: float64
0 1.863595
1 -1.478136
2 -0.632712
dtype: float64
head() 返回前 n 行数据,默认显示前 5 行数据
ser_data = pd.Series(np.array([1, 2, 3, 4, 5, 6, 7]))
print(ser_data.tail)
# 返回后三行数据
print(ser_data.tail(3))
代码的运行结果:
1 2
2 3
3 4
4 5
5 6
6 7
dtype: int32>
4 5
5 6
6 7
dtype: int32
tail() 返回的是后 n 行数据,默认为后 5 行
2.1.4.2 isnull()&nonull()
-
isnull() 和 nonull() 用于检测 Series 中的缺失值。所谓缺失值,顾名思义就是值不存在、丢失、缺少。
-
在实际的数据分析任物中,数据的收集往往要经历一个繁琐的过程。在这个过程中难免会因为一些不可抗力,或者人为因素导致数据丢失的现象。这时,我们可以使用相应的方法对缺失值进行处理,比如数据补齐等方法。
# None代表缺失数据
ser_data = pd.Series([1, 2, 5, None])
print(pd.isnull(ser_data)) # 是空值返回True
代码的运行结果为:
0 False
1 False
2 False
3 True
dtype: bool
isnull():如果为值不存在或者缺失,则返回 True。
# None代表缺失数据
ser_data = pd.Series([1, 2, 5, None])
print(pd.notnull(ser_data)) # 空值返回False
代码的运行结果为:
0 True
1 True
2 True
3 False
dtype: bool
notnull():如果值不存在或者缺失,则返回 False。
2.2 Pandas DataFrame
-
DataFrame 是 Pandas 的重要数据结构之一,也是在使用 Pandas 进行数据分析过程中最常用的结构之一,可以这么说,掌握了 DataFrame 的用法,你就拥有了学习数据分析的基本能力。
-
DataFrame 一个表格型的数据结构,既有行标签(index),又有列标签(columns),它也被称异构数据表,所谓异构,指的是表格中每列的数据类型可以不同,比如可以是字符串、整型或者浮点型等。
-
DataFrame 结构类似于 Execl 的表格型,表格中列标签的含义如下所示:
index | student_id | student_name | student_num |
---|---|---|---|
0 | 1001 | James | 82.6 |
1 | 1002 | Pitter | 76.5 |
2 | 1003 | Jack | 92.3 |
3 | 1004 | Alice | 88.5 |
同 Series 一样,DataFrame 自带行标签索引,默认为“隐式索引”即从 0 开始依次递增,行标签与 DataFrame 中的数据项一一对应。上述表格的行标签从 0 到 3,共记录了 4 条数据(图中将行标签省略)。当然你也可以用“显式索引”的方式来设置行标签。
下面对 DataFrame 数据结构的特点做简单地总结,如下所示:
-
DataFrame 每一列的标签值允许使用不同的数据类型;
-
DataFrame 是表格型的数据结构,具有行和列;
-
DataFrame 中的每个数据值都可以被修改。
-
DataFrame 结构的行数、列数允许增加或者删除;
-
DataFrame 有两个方向的标签轴,分别是行标签和列标签;
-
DataFrame 可以对行和列执行算术运算。
2.2.1 创建DataFrame对象
-
使用下列方式创建一个空的 DataFrame,这是 DataFrame 最基本的创建方法
df = pd.DataFrame()
print(df)
代码的运行结果为:
Empty DataFrame
Columns: []
Index: []
-
列表创建DataFame对象
data = [1, 2, 3, 4, 5]
df = pd.DataFrame(data)
print(df)
代码的运行结果为:
0
0 1
1 2
2 3
3 4
4 5
使用嵌套列表创建 DataFrame 对象
data = [['Alex', 10], ['Bob', 12], ['Clarke', 13]]
df = pd.DataFrame(data, columns=['Name', 'Age'])
print(df)
代码的运行结果为:
Name Age
0 Alex 10
1 Bob 12
2 Clarke 13
-
字典嵌套列表创建
data = {'Name': ['Tom', 'Jack', 'Steve', 'Ricky'], 'Age': [28, 34, 29, 42]}
df = pd.DataFrame(data)
print(df)
代码的运行结果为:
Name Age
0 Tom 28
1 Jack 34
2 Steve 29
3 Ricky 42
data 字典中,键对应的值的元素长度必须相同(也就是列表长度相同)。如果传递了索引,那么索引的长度应该等于数组的长度;如果没有传递索引,那么默认情况下,索引将是 range(n),其中 n 代表数组长度。
添加自定义的行标签
data = {'Name': ['Tom', 'Jack', 'Steve', 'Ricky'], 'Age': [28, 34, 29, 42]}
df = pd.DataFrame(data, index=['rank1', 'rank2', 'rank3', 'rank4'])
print(df)
代码的运行结果为:
Name Age
rank1 Tom 28
rank2 Jack 34
rank3 Steve 29
rank4 Ricky 42
-
列表嵌套字典创建DataFrame对象
data = [{'num': 1, 'result': 2}, {'num': 5, 'result': 10, 'number': 20}]
df = pd.DataFrame(data, index=['first', 'second'])
print(df)
代码的运行结果为:
num result number
first 1 2 NaN
second 5 10 20.0
如果其中某个元素值缺失,也就是字典的 key 无法找到对应的 value,将使用 NaN 代替。
使用字典嵌套列表以及行、列索引表创建一个 DataFrame 对象。
data = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
df1 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])
df2 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b1'])
df3 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'c'])
print("df1为:\n", df1)
print("df2为:\n", df2)
print("df3为:\n",df3)
代码的运行结果为:
df1为:
a b
first 1 2
second 5 10
df2为:
a b1
first 1 NaN
second 5 NaN
df3为:
a c
first 1 NaN
second 5 20.0
-
Series创建DataFrame对象
传递一个字典形式的 Series,从而创建一个 DataFrame 对象,其输出结果的行索引是所有 index 的合集
dict_data = {
'one': pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two': pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
}
df = pd.DataFrame(dict_data)
print(df)
代码的运行结果为:
one two
a 1.0 1
b 2.0 2
c 3.0 3
d NaN 4
2.2.2 列索引操作DataFrame
DataFrame 可以使用列索(columns index)引来完成数据的选取、添加和删除操作。
-
列索引选取数据列
dict_data = {
'one': pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two': pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
}
df = pd.DataFrame(dict_data)
print(df['one'])
代码的运行结果为:
a 1.0
b 2.0
c 3.0
d NaN
Name: one, dtype: float64
-
列索引添加数据列
dict_data = {
'one': pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two': pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
}
df = pd.DataFrame(dict_data)
# 使用df['列']=值,插入新的数据列
df['three'] = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
print(df)
# 将已经存在的数据列做相加运算
df['four'] = df['one'] + df['three']
print(df)
代码的运行结果为:
one two three
a 1.0 1 10.0
b 2.0 2 20.0
c 3.0 3 30.0
d NaN 4 NaN
one two three four
a 1.0 1 10.0 11.0
b 2.0 2 20.0 22.0
c 3.0 3 30.0 33.0
d NaN 4 NaN NaN
除了使用df[]=value
的方式外,您还可以使用 insert() 方法插入新的列
info = [['Jack', 18], ['Helen', 19], ['John', 17]]
df = pd.DataFrame(info, columns=['name', 'age'])
print(df)
# 注意是column参数
# 数值1代表插入到columns列表的索引位置
df.insert(1, column='score', value=[91, 90, 75])
print(df)
代码的运行结果为:
name age
0 Jack 18
1 Helen 19
2 John 17
name score age
0 Jack 91 18
1 Helen 90 19
2 John 75 17
-
这里需要注意的是使用insert函数的时候,传入的value值,传入的数据一定要与原数据列表的数量相同!!!
-
列索引删除数据列
通过 del 和 pop() 都能够删除 DataFrame 中的数据列
2.2.3 行索引操作DataFrame
理解了上述的列索引操作后,行索引操作就变的简单。下面看一下,如何使用行索引来选取 DataFrame 中的数据。
-
标签索引选取
可以将行标签传递给 loc 函数,来选取数据
dict_data = {
'one': pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two': pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
}
df = pd.DataFrame(dict_data)
print(df)
print(df.loc[..., "one"])
print(df.loc['b', 'one'])
代码的运行结果为:
one two
a 1.0 1
b 2.0 2
c 3.0 3
d NaN 4
a 1.0
b 2.0
c 3.0
d NaN
Name: one, dtype: float64
2.0
-
整数索引选取
通过将数据行所在的索引位置传递给 iloc 函数,也可以实现数据行选取
dict_data = {
'one': pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two': pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
}
df = pd.DataFrame(dict_data)
print(df)
print(df.iloc[2])
print(df.iloc[1, :])
代码的运行结果为:
one two
a 1.0 1
b 2.0 2
c 3.0 3
d NaN 4
one 3.0
two 3.0
Name: c, dtype: float64
one 2.0
two 2.0
Name: b, dtype: float64
-
切片操作多行选取
可以使用切片的方式同时选取多行
dict_data = {
'one': pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two': pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
}
df = pd.DataFrame(dict_data)
print(df)
# 左闭右开
print(df[2:4])
代码的运行结果为:
one two
a 1.0 1
b 2.0 2
c 3.0 3
d NaN 4
one two
c 3.0 3
d NaN 4
-
添加数据行
使用 append() 函数,可以将新的数据行添加到 DataFrame 中,该函数会在行末追加数据行
df = pd.DataFrame([[1, 2], [3, 4]], columns=['a', 'b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns=['a', 'b'])
print("df\n", df)
print("df2\n", df2)
# 在行末追加新数据行
df = df._append(df2)
print(df)
代码的运行结果为:
df
a b
0 1 2
1 3 4
df2
a b
0 5 6
1 7 8
a b
0 1 2
1 3 4
0 5 6
1 7 8
-
删除数据行
使用行索引标签,从 DataFrame 中删除某一行数据。如果索引标签存在重复,那么它们将被一起删除
df = pd.DataFrame([[1, 2], [3, 4]], columns=['a', 'b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns=['a', 'b'])
df = df._append(df2)
print(df)
# 注意此处调用了drop()方法
df = df.drop(0)
print(df)
代码的运行结果为:
a b
0 1 2
1 3 4
0 5 6
1 7 8
a b
1 3 4
1 7 8
2.2.4 DataFrame切片
-
直接使用中括号时:
-
索引优先对列进行操作
-
切片优先对行进行操作
-
dict_data = pd.DataFrame(
data=np.random.randint(60, 90, size=(5, 6)),
index=['张三', '李四', '王五', '赵六', '坤哥'],
columns=["语文", "数学", "英语", "地理", "历史", "化学"]
)
print(dict_data)
# 行切片
print(dict_data[1:3])
print(dict_data["张三":"赵六"])
# 列切片
# 对列作切片,也必须先对行做切片
print(dict_data.iloc[:, 1:4])
print(dict_data.loc[:, "数学":"化学"])
# 对行和列作切片操作
print(dict_data.iloc[1:3, 1:4])
print(dict_data.loc["张三":"王五", "语文":"历史"])
代码的运行结果为:
语文 数学 英语 地理 历史 化学
张三 70 70 78 82 83 81
李四 69 64 74 72 76 70
王五 69 76 69 76 66 83
赵六 88 88 69 76 60 70
坤哥 65 74 84 79 60 72
语文 数学 英语 地理 历史 化学
李四 69 64 74 72 76 70
王五 69 76 69 76 66 83
语文 数学 英语 地理 历史 化学
张三 70 70 78 82 83 81
李四 69 64 74 72 76 70
王五 69 76 69 76 66 83
赵六 88 88 69 76 60 70
数学 英语 地理
张三 70 78 82
李四 64 74 72
王五 76 69 76
赵六 88 69 76
坤哥 74 84 79
数学 英语 地理 历史 化学
张三 70 78 82 83 81
李四 64 74 72 76 70
王五 76 69 76 66 83
赵六 88 69 76 60 70
坤哥 74 84 79 60 72
数学 英语 地理
李四 64 74 72
王五 76 69 76
语文 数学 英语 地理 历史
张三 70 70 78 82 83
李四 69 64 74 72 76
王五 69 76 69 76 66
Process finished with exit code 0
3 常用属性和方法汇总
DataFrame 的属性和方法,与 Series 相差无几
名称 | 属性&方法描述 |
---|---|
T | 行和列转置。 |
axes | 返回一个仅以行轴标签和列轴标签为成员的列表。 |
dtypes | 返回每列数据的数据类型。 |
empty | DataFrame中没有数据或者任意坐标轴的长度为0,则返回True。 |
ndim | 轴的数量,也指数组的维数。 |
shape | 返回一个元组,表示了 DataFrame 维度。 |
size | DataFrame中的元素数量。 |
values | 使用 numpy 数组表示 DataFrame 中的元素值。 |
head() | 返回前 n 行数据。 |
tail() | 返回后 n 行数据。 |
shift() | 将行或列移动指定的步幅长度 |
dict_data = {
'Name': pd.Series(['张三', '李四', "王五", '赵六', '坤哥', '凡凡', '峰峰']),
'age': pd.Series([25, 26, 25, 28, 23, 29, 23]),
'Height': pd.Series([174.23, 173.24, 173.98, 172.56, 183.20, 174.6, 183.8])
}
# 构建DataFrame
df = pd.DataFrame(dict_data)
# 输出series
print(df)
print("-*-" * 30)
# 输出DataFrame的转置,也就是把行和列进行交换
print(df.T)
print("-*-" * 30)
# 返回一个行标签、列标签组成的列表
print(df.axes)
print("-*-" * 30)
# 输出行、列标签类型
print(df.dtypes)
print("-*-" * 30)
# 判断输入数据是否为空,若为 True 表示对象为空
print("empty:\n", df.empty)
print("-*-" * 30)
# 返回数据对象的维数。DataFrame 是一个二维数据结构
print(df.ndim)
print("-*-" * 30)
# DataFrame的形状
print(df.shape)
print("-*-" * 30)
# DataFrame的中元素个数
print(df.size)
print("-*-" * 30)
# DataFrame的数据
print(df.values)
print("-*-" * 30)
# 获取前3行数据
print(df.head(3))
print("-*-" * 30)
# 获取后2行数据
print(df.tail(2))
代码的运行结果为:
Name age Height
0 张三 25 174.23
1 李四 26 173.24
2 王五 25 173.98
3 赵六 28 172.56
4 坤哥 23 183.20
5 凡凡 29 174.60
6 峰峰 23 183.80
-*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*-
0 1 2 3 4 5 6
Name 张三 李四 王五 赵六 坤哥 凡凡 峰峰
age 25 26 25 28 23 29 23
Height 174.23 173.24 173.98 172.56 183.2 174.6 183.8
-*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*-
[RangeIndex(start=0, stop=7, step=1), Index(['Name', 'age', 'Height'], dtype='object')]
-*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*-
Name object
age int64
Height float64
dtype: object
-*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*-
empty:
False
-*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*-
2
-*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*-
(7, 3)
-*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*-
21
-*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*-
[['张三' 25 174.23]
['李四' 26 173.24]
['王五' 25 173.98]
['赵六' 28 172.56]
['坤哥' 23 183.2]
['凡凡' 29 174.6]
['峰峰' 23 183.8]]
-*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*-
Name age Height
0 张三 25 174.23
1 李四 26 173.24
2 王五 25 173.98
-*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*--*-
Name age Height
5 凡凡 29 174.6
6 峰峰 23 183.8
-
shift()移动行或列
如果您想要移动 DataFrame 中的某一行/列,可以使用 shift() 函数实现。它提供了一个
periods
参数,该参数表示在特定的轴上移动指定的步幅。
DataFrame.shift(periods=1, freq=None, axis=0) # peroids 类型为int,表示移动的幅度,可以是正数,也可以是负数,默认值为1。 # freq 日期偏移量,默认值为None,适用于时间序。取值为符合时间规则的字符串。 # axis 如果是 0 或者 "index" 表示上下移动,如果是 1 或者 "columns" 则会左右移动。 # fill_value 该参数用来填充缺失值。
该函数的返回值是移动后的 DataFrame 副本
df = pd.DataFrame({
'a_data': [40, 28, 39, 32, 18],
'b_data': [20, 37, 41, 35, 45],
'c_data': [22, 17, 11, 25, 15]})
# 移动幅度为3
print(df)
new_df = df.shift(periods=1)
print(new_df)
print(df)
代码的运行结果为:
a_data b_data c_data
0 40 20 22
1 28 37 17
2 39 41 11
3 32 35 25
4 18 45 15
a_data b_data c_data
0 NaN NaN NaN
1 40.0 20.0 22.0
2 28.0 37.0 17.0
3 39.0 41.0 11.0
4 32.0 35.0 25.0
a_data b_data c_data
0 40 20 22
1 28 37 17
2 39 41 11
3 32 35 25
4 18 45 15
- 切记这里的shift,返回的是一个副本就类似于python中的深拷贝。shift函数在偏移数据时,并不会使原有的数据消失,而是将其移动到新的位置,并用NaN值填充原来的位置。
使用 fill_value 参数填充 DataFrame 中的缺失值
df = pd.DataFrame({
'a_data': [40, 28, 39, 32, 18],
'b_data': [20, 37, 41, 35, 45],
'c_data': [22, 17, 11, 25, 15]})
# 移动幅度为3
print(df)
new_df = df.shift(periods=3, axis="index", fill_value=100)
print(new_df)
代码的运行结果为:
a_data b_data c_data
0 40 20 22
1 28 37 17
2 39 41 11
3 32 35 25
4 18 45 15
a_data b_data c_data
0 100 100 100
1 100 100 100
2 100 100 100
3 40 20 22