Pandas相关笔记整理

最新推荐文章于 2023-10-25 21:26:55 发布

杨吕

最新推荐文章于 2023-10-25 21:26:55 发布

阅读量482

点赞数

文章标签： python 数据分析数据挖掘

本文链接：https://blog.csdn.net/yanglv123/article/details/105019147

版权

这篇博客详细介绍了Pandas库在数据处理中的应用，包括使用Series和DataFrame数据结构，查询数据，进行统计分析，实现SQL操作，以及如何处理缺失值，如删除法和fillna方法。还提到了多层索引和透视表的概念。

摘要由CSDN通过智能技术生成

包含序列Series和数据框DataFrame两种数据结构

Series类似numpy的一维数组

一维数组创建

字典创建

DataFrames某一行或者列创建

DataFrames类似numpy的二维数组

二维数组创建

字典创建

数据框创建

index属性获取序列的索引

import pandas as  pd
s=pd.Series([1,2,3,4,5])

s.index#看索引

RangeIndex(start=0, stop=5, step=1)

s.index=['a','b','c','d','e']#索引赋值

s[0]

s['a']

s[:3]#前三个，位置获取

a    1
b    2
c    3
dtype: int64

s['c':]#索引获取

c    3
d    4
e    5
dtype: int64

# 自动化对其

Pandas查询数据

data=pd.DataFrame({
   'a':[1,2,3,4,5,6,7],'b':[1,2,3,4,5,6,7],'c':[1,2,3,4,5,6,7]})

data

	a	b	c
0	1	1	1
1	2	2	2
2	3	3	3
3	4	4	4
4	5	5	5
5	6	6	6
6	7	7	7

#查看前五行，末尾五行
data.head()
data.tail()
#查看指定的行，两层括号
data.iloc[[0,1]]

	a	b	c
0	1	1	1
1	2	2	2

#查看指定的列,两层括号
data[['a','b']]

	a	b
0	1	1
1	2	2
2	3	3
3	4	4
4	5	5
5	6	6
6	7	7

#同时查看行与列
data.loc[[0,1],['a','b']]

	a	b
0	1	1
1	2	2

#具体值的多个条件查询
data[(data['a']>1)&(data['b']>1)][['a','b']]

	a	b
1	2	2
2	3	3
3	4	4
4	5	5
5	6	6
6	7	7

统计分析

import numpy as np
a=np.random.normal(size=15)#正态分布
da=pd.Series(2*a+3)
db=np.random.f(2,4,size=15)#浮点数
dc=np.random.randint(1,100,size=15)#随机整数
print(da)
print(db)
print(dc)

0     1.470286
1     0.533744
2     2.600050
3    -3.209468
4     2.574417
5     0.155033
6     7.886463
7     0.723382
8     3.801481
9     3.328130
10    1.369691
11    5.334218
12