技术标签: python pandas常用函数
一、安装pandas
创建虚拟环境:
#创建虚拟环境
mkvirtualenv -p python3 pandas_env
#进入虚拟环境
workon pandas_env
安装pandas
# 1、安装包
$ pip install pandas
测试
# 2、进入python的交互式界面
$ python -i
# 3、使用Pandas
>>> import pandas as pd
>>> df = pd.DataFrame()
>>> print(df)
# 4、输出结果
Empty DataFrame
Columns: []
Index: []
安装处理excel的xlrd
pip install xlrd
使用pandas读取excel并打印
from pandas import pandas as pd
df = pd.read_excel("C:/Users/zixuan/Desktop/test.xlsx")
print(df)
输出:
name age class sex
0 wzx 25 c g
1 lzq 24 c m
2 jjj 5 c m
excel内容如下:
二、数据结构
pandas的数据结构分为两种: Series(一维数据)与 DataFrame(二维数据)。
维数
名称
描述
1
Series
带标签的一维同构数组
2
DataFrame
带标签的,大小可变的,二维异构表格
Pandas 数据结构就像是低维数据的容器。比如,DataFrame 是 Series 的容器,Series 则是标量的容器。使用这种方式,可以在容器中以字典的形式插入或删除对象。
1.DataFrame
在DataFrame中,index是行,columns是列。如上面的例子中,pandas会将第一行的数据当作表头,即列名。从第二行开始,以0为起始,作为DF的行。
DataFrame 的每一列都是一个Series。如:
for col in df.columns:
series = df[col]
print(series)
输出:
0 wzx
1 lzq
2 jjj
Name: name, dtype: object
0 25
1 24
2 5
Name: age, dtype: int64
0 c
1 c
2 c
Name: class, dtype: object
0 g
1 m
2 m
Name: sex, dtype: object
Pandas 所有数据结构的值都是可变的,但数据结构的大小并非都是可变的,比如,Series 的长度不可改变,但 DataFrame 里就可以插入列。
Pandas 里,绝大多数方法都不改变原始的输入数据,而是复制数据,生成新的对象。 一般来说,原始输入数据不变更稳妥。
三、DF的操作
一、属性
1.将df转换成数组
df.values
输出:
[['wzx' 25 'c' 'g']
['lzq' 24 'c' 'm']
['jjj' 5 'c' 'm']]
2.查看所有列名
for col in df.columns:
print(col)
输出:
name
age
class
sex
3.查看所有索引
for index in df.index:
print(index)
输出:
0
1
2
4.查看df的形状
df.shape
输出:
(3, 4)
#三行四列,在excel中是四行四列,但第一行在pandas中被视为表头
5.查看df的大小
df.size
输出:
12
#即一共有12个单元格
6.查看每列的数据类型
df.dtypes
输出:
name object
age int64
class object
sex object
dtype: object
二、行列操作和切片
1.指定某一列作为索引
#将第一列name设置为索引
df.set_index('name',inplace=True)
print(df.index)
输出:
Index(['wzx', 'lzq', 'jjj'], dtype='object', name='name')
2.取指定列的数据
#查看age列
df['age']
#或
df.age
输出:
name
wzx 25
lzq 24
jjj 5
Name: age, dtype: int64
3.取指定行数据(使用loc)
#取索引为wzx的行
df.loc['wzx']
输出:
age 25
class c
sex g
Name: wzx, dtype: object
#取多行数据(索引为wzx lzq),可将多个索引以列表方式传入
df.loc[['wzx','lzq']]
输出:
age class sex
name
wzx 25 c g
lzq 24 c m
4.取指定行的指定列的数据(即某单元格的数据)
#取索引为wzx的age
df.loc['wzx','age']
输出:
25
#取索引为wzx lzq的age class
df.loc[['wzx','lzq'],['age','class']]
输出:
age class
name
wzx 25 c
lzq 24 c
注意:loc可传入两个参数,第一个参数作为索引,第二个参数作为列名。如果不传第二个参数,则默认取所有列。
如:
取某个索引的某个列的例子中,字符串'wzx'作为第一个参数,字符串'age'作为第二个参数。
取多个索引的多个列的例子中,数组['wzx','lzq']作为第一个参数,数组['age','class']作为第二个参数。
5.行切片
#取wzx开始到jjj结束的所有行
df.loc['wzx':'jjj']
输出:
age class sex
name
wzx 25 c g
lzq 24 c m
jjj 5 c m
6.列切片
#取age开始到sex结束的所有列
for col in df['age':'sex']:
series = df[col]
print(series)
print(col)
输出:
name
wzx 25
lzq 24
jjj 5
Name: age, dtype: int64
age
name
wzx c
lzq c
jjj c
Name: class, dtype: object
class
name
wzx g
lzq m
jjj m
Name: sex, dtype: object
sex
7.按行号取行
#取第0行和第2行数据
df.iloc[[0,2]]
输出:
age class sex
name
wzx 25 c g
jjj 5 c m
#从第0行起,取3行数据
df.iloc[0:3]
输出:
age class sex
name
wzx 25 c g
lzq 24 c m
jjj 5 c m
#取从第0行起,取3行数据的第1、2列
df.iloc[0:3,[1,2]]
输出:
class sex
name
wzx c g
lzq c m
jjj c m
8.转换成数组后取数据
#转换成数组,取数组中第0行第0列数据
df.values[0,0]
输出:
25
9.运算取索引
#取符合条件的索引(age=24的索引)
df.age==24
输出;
name
wzx False
lzq True
jjj False
Name: age, dtype: bool
#取符合条件的索引的所有数据
df[df.age==24]
输出:
age class sex
name
lzq 24 c m
10.对某列判空
#判断某列是否全为空
df['age'].isnull().all()
#判断某列是否含有空值
df['age'].isnull().any()
三、数据修改
1.修改某单元格的值
#将索引为wzx行的age修改为18
df.loc["wzx","age"] = 18
print(df.loc["wzx"])
输出:
age 18
class c
sex g
Name: wzx, dtype: object
2.添加一列
#1.创建Series,传入一个列表表示这列的值,还可以指定索引,列表的长度需要等于索引个数
s1 = pd.Series([1, 2, 3],index=df.index)
print(s1)
输出:
name
wzx 1
lzq 2
jjj 3
dtype: int64
#2.插入df,即指定df的某列为这个Series,如这个Series为df的id列
df["id"]=s1
print(df)
输出:
age class sex id
name
wzx 25 c g 1
lzq 24 c m 2
jjj 5 c m 3
3.添加一行
方法一:插入Series
#1.创建Series,传入一个列表表示这列的值,还可以指定索引,列表的长度需要等于索引个数
#创建Series可使用name参数指定Series的索引,如果不指定,也可以在插入df时指定
s1 = pd.Series([1, "c","m"],df.columns)
print(s1)
输出:
age 1
class c
sex m
dtype: object
#2.插入df,此时指定索引为xiaoxiao
df.loc["xiaoxiao"] = s1
print(df)
输出:
age class sex id
name
wzx 25 c g 1
lzq 24 c m 2
jjj 5 c m 3
方法二:使用append方法插入
#1.创建Series,传入一个列表表示这列的值,还可以指定索引,列表的长度需要等于索引个数
#创建Series使用name参数指定索引,如果指定了name,则在调用append方法时,则不能忽略索引,即ignore_index=False
s1 = pd.Series([1, "c","m"],index=["age","class","sex"],name="xiaoxiao")
df = df.append(s1,ignore_index=False)
print(df)
输出:
age class sex
name
wzx 25 c g
lzq 24 c m
jjj 5 c m
xiaoxiao 1 c m
四、合并
1.concat垂直合并两个df
类似sql中的union all,但是两个df的结构(字段数量)可以不一致。如:
#1.创建两个相同的df
df1 = pd.read_excel(fileName , sheet_name=sheetName)
df2 = pd.read_excel(fileName , sheet_name=sheetName)
df1.set_index('name',inplace=True)
df2.set_index('name',inplace=True)
两个df内容相同:
age class sex
name
wzx 25 c g
lzq 24 c m
jjj 5 c m
#给df1添加一列
s1 = pd.Series([1, 2, 3],index=df.index)
df1["id"]=s1
#合并df1和df2
df = pd.concat([df1,df2])
print(df)
输出:
age class sex id
name
wzx 25 c g 1.0
lzq 24 c m 2.0
jjj 5 c m 3.0
wzx 25 c g NaN
lzq 24 c m NaN
jjj 5 c m NaN
2.concat水平合并两个df
水平合并只需要在调用concat时指定axis=1即可。相当于sql的join,会将索引一致的数据合并在一起。
如df2中没有索引为xiaoxiao的数据,则合并后,索引xiaoxiao的那行数据只有df1的值。
同样创建两个内容相同的df:
age class sex
name
wzx 25 c g
lzq 24 c m
jjj 5 c m
#给df1添加一行
s1 = pd.Series([1, "c","m"],index=["age","class","sex"],name="xiaoxiao")
df1 = df1.append(s1,ignore_index=False)
输出:
age class sex
name
wzx 25 c g
lzq 24 c m
jjj 5 c m
xiaoxiao 1 c m
#水平合并
df = pd.concat([df1,df2],axis=1)
print(df)
输出:
age class sex age class sex
wzx 25 c g 25.0 c g
lzq 24 c m 24.0 c m
jjj 5 c m 5.0 c m
xiaoxiao 1 c m NaN NaN NaN
3.使用merge合并
merge合并时,也类似于sql的join。并且可以指定join方式,要睡觉不写了。。。具体参考官网:df的merge
本文地址:https://blog.csdn.net/x950913/article/details/108716122
如您对本文有疑问或者有任何想说的,请点击进行留言回复,万千网友为您解惑!
文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib
文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang
文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些
文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器
文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距
文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器
文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn
文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios
文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql
文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...
文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120
文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数