如何上传网站源码,网站建设的相关新闻,网站开发原创动漫,开发网站的流程是Pandas
构建在NumPy之上#xff0c;继承了NumPy高性能的数组计算功能#xff0c;同时提供更多复杂精细的数据处理功能
安装 pip install pandas导入
import pandas as pdSeries
键值对列表
# 创建Series
s1 pd.Series([5, 17, 3, 26, 31])
s10 5 1 17 2 3 3 26 4 31 dt…Pandas
构建在NumPy之上继承了NumPy高性能的数组计算功能同时提供更多复杂精细的数据处理功能
安装 pip install pandas导入
import pandas as pdSeries
键值对列表
# 创建Series
s1 pd.Series([5, 17, 3, 26, 31])
s10 5 1 17 2 3 3 26 4 31 dtype: int64
# 获得Series的元素和索引
s1.valuesarray([ 5, 17, 3, 26, 31])
s1.indexRangeIndex(start0, stop5, step1)
# 索引和切片操作
print(s1[2])
print(s1[1:3])3 1 17 2 3 dtype: int64
#既可以用标签索引也可以用位置索引
s1 pd.Series([5, 17, 3, 26, 31], index[a,d,b,c,e])
print(s1)
print(s1[b])
print(s1[1])a 5 d 17 b 3 c 26 e 31 dtype: int64 3 17
# 标签索引切片包含结束值
s1[d:c]d 17 b 3 c 26 dtype: int64
# 用索引获得任意元素
s1[[a,e,c]]a 5 e 31 c 26 dtype: int64
# loc用标签索引 iloc用位置索引
s2 pd.Series([5,17,3,26,31], index[1,3,5,7,9])
print(s2.loc[3])
print(s2.iloc[3])print(s2.loc[1:3]) #包括结束
print(s2.iloc[1:3]) #不包括结束位置17 26 1 5 3 17 dtype: int64 3 17 5 3 dtype: int64
# 创建Series的另一种方式
s3 pd.Series({qc:4.1,blb:2.2,xhs:5.3,td:3.7,hg:6.8})
s3qc 4.1 blb 2.2 xhs 5.3 td 3.7 hg 6.8 dtype: float64
# 查看标签是否存在
qc in s3# 可以根据条件筛选
s3[(s35)(s36)]# 计算操作索引自动对齐,缺失值用0代替
s1.add(s2, fill_value0)# 统计信息
s1.describe()count 5.000000 mean 16.400000 std 12.401613 min 3.000000 25% 5.000000 50% 17.000000 75% 26.000000 max 31.000000 dtype: float64
# 对元素分别操作
# 使用函数作为参数不改变原始Series,返回新Series
# grades scores.apply(get_grade_from_score)Dataframe
数据表格可以看成由Series组成的字典
创建值是Series或列表列是各个Series对应的列名
df4 pd.DataFrame({学号:{小明:01,小红:02,小杰:03}, 班级:{小明:二班,小红:一班,小杰:二班},成绩:{小明:92,小红:67,小杰:70}})
df4df4.index #获取索引
df4.columns #获取列名
df4.values #获取值返回NumPy数组
# 转置
df4.Tdf4[班级]小明 二班 小红 一班 小杰 二班 Name: 班级, dtype: object
df4.班级 #列名也是dataFrame的属性特殊符号不适用小明 二班 小红 一班 小杰 二班 Name: 班级, dtype: object
df4[[学号, 成绩]]df4.loc[小红]学号 02 班级 一班 成绩 67 Name: 小红, dtype: object
df4.loc[小红,成绩]np.int64(67)
df4.loc[:,成绩]df4[df4.成绩 67]# 返回前5行 df4.head()
df4.head(2)# 对列赋值更新或者增加列值
df4[成绩] pd.Series([88, 77, 66], index[小明,小红,小杰])
df4[性别] [男, 女, 男]
df4# 对行用loc
df4.loc[小虎] [04, 三班, 99, 男]
df4df4.drop([小明, 小虎]) # 删除行df4.drop(班级, axis1) # 删除列 axis1横向依次判断操作# df1.mean(axis1) # 对行求平均值# df1.apply(函数# 将函数用在每列
# df1.applymap(function) # 用在每个元素
# 原始df并不改变df4.describe() # 忽略非数字列
