![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Python数据处理 pandas
小飞猪666
这个作者很懒,什么都没留下…
展开
-
pandas指南-6.数据重命名和合并
目录重命名合并我们还是先来加载一下数据import pandas as pdpd.set_option('max_rows', 5)import numpy as npmelbourne_data = pd.read_csv('melb_data.csv') melbourne_data.head()重命名通常,数据将通过列名,索引名或我们不满意的其他命名约定来获取。 在这种情况下,我们可能会使用pandas重命名实用程序函数来更改有问题的条目的名称。我们在这里介绍的第原创 2020-06-16 00:04:00 · 2363 阅读 · 0 评论 -
pandas指南-5.数据类型和缺失值
目录数据类型缺失数据我们还是先来加载一下数据import pandas as pdpd.set_option('max_rows', 5)import numpy as npmelbourne_data = pd.read_csv('melb_data.csv') melbourne_data.head()数据类型DataFrame或Series中列的数据类型称为dtype。你可以使用dtype属性来获取特定列的类型:melbourne_data.Price.dt原创 2020-06-15 14:39:22 · 593 阅读 · 0 评论 -
pandas指南-4.数据分组聚合和排序
目录数据分组聚合和排序多索引排序数据分组聚合和排序分组聚合非常重要,它在官方pandas文档中有自己的部分:Groupby:split-apply-combine。import pandas as pdpd.set_option('max_rows', 5)import numpy as npmelbourne_data = pd.read_csv('melb_data.csv') melbourne_data.head()映射map允许我们一次为整个列转换DataFr原创 2020-06-15 00:05:09 · 3875 阅读 · 0 评论 -
pandas指南-3.数据摘要与映射
数据摘要与映射import pandas as pdpd.set_option('max_rows', 5)import numpy as npmelbourne_data = pd.read_csv('melb_data.csv') melbourne_data.head()摘要功能pandas提供了许多简单的“汇总函数”(不是正式名称),它以某种有用的方式重构数据。 例如,考虑describe方法:melbourne_data.Price.describe()此.原创 2020-06-14 01:26:05 · 461 阅读 · 0 评论 -
pandas指南-2.数据索引,选择与赋
索引,选择与赋值选择要处理的pandas DataFrame或Series的特定值几乎是你将研究的任何数据操作中的隐式步骤。 因此,对如何切分数据集的充分理解至关重要。在这个案例里,我们将查看澳大利亚墨尔本的房价数据。点击这里 下载 数据集我们将使用read_csv函数将数据读入DataFrame。 这样做:import pandas as pdmelbourne_data = pd.read_csv('melb_data.csv') pd.set_option("display.原创 2020-06-12 14:26:20 · 475 阅读 · 0 评论 -
pandas指南-1.数据创建与读写
数据创建,读写指南任何数据分析项目的第一步都可能是从某个文件中读取数据,因此我们需要首先考虑这一点。 在本节中,我们将介绍有关创建pandas Series和DataFrame对象的练习官方pandas文档的IO Tools部分提供了有关此主题的全面概述首先我们来导入pandas库import pandas as pd创建数据 pandas中有两个核心对象:DataFrame和Series。DataFrame是一个表。 它包含一系列单独的条目,每个条目都有一定的值。 每个条目对应一原创 2020-06-12 00:04:16 · 344 阅读 · 0 评论