admin 管理员组

文章数量: 887040


2024年1月14日发(作者:nginx的配置文件目录是)

python pandas dataframe用法

Python 是一门广泛使用的编程语言,数据分析是 Python 的一大应用领域。pandas 是 Python 的一个数据分析库,它提供了丰富的数据结构和数据分析工具,使得数据处理更加高效和简单。

DataFrame 是 pandas 中最重要的数据结构之一,它可以看作是一个二维表格,类似于 Excel 中的一个工作表。一个 DataFrame 可以由任意列类型的数据构成,包括整数、浮点数、字符串等。DataFrame 的一些重要操作包括索引、切片、过滤、排序、聚合、合并等。

下面是一些基本的 DataFrame 操作:

1. 创建一个 DataFrame

可以用一个字典或列表来创建一个 DataFrame。例如,下面的代码创建一个包含 3 个人姓名、年龄、性别信息的 DataFrame。

```python

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [21, 25, 23],

'Gender': ['F', 'M', 'M']}

df = ame(data)

print(df)

```

输出:

```

Name Age Gender

0 Alice 21 F

1 Bob 25 M

2 Charlie 23 M

```

另外,也可以从 CSV 文件或 Excel 文件中读取数据创建 DataFrame。

2. 查看 DataFrame 信息

可以通过以下操作来查看 DataFrame 的维度、列名、数据类型等信息。

```python

print() # 查看 DataFrame 的维度

print(s) # 查看 DataFrame 的列名

print() # 查看 DataFrame 的数据类型

```

输出:

```

(3, 3)

Index(['Name', 'Age', 'Gender'], dtype='object')

Name object

Age int64

Gender object

dtype: object

```

3. 索引和切片

可以使用列名或行名对 DataFrame 进行索引和切片。例如,下面的代码选取了第一个人的姓名和年龄。

```python

print([0, ['Name', 'Age']])

```

输出:

```

Name Alice

Age 21

Name: 0, dtype: object

```

另外也可以使用位置来进行索引和切片。

```python

print([0, [0, 1]]) # 索引第一行的第一列和第二列

print([0:2, :]) # 切片取前两行

```

4. 过滤

可以使用条件表达式对 DataFrame 进行过滤。例如,下面的代码选取了所有年龄大于 22 岁的人。

```python

print(df[df['Age'] > 22])

```

输出:

```

Name Age Gender

1 Bob 25 M

2 Charlie 23 M

```

5. 排序

可以按照指定的列进行升序或降序排列。例如,下面的代码按照年龄降序排列。

```python

print(_values(by=['Age'], ascending=False))

```

输出:

```

Name Age Gender

1 Bob 25 M

2 Charlie 23 M

0 Alice 21 F

```

6. 聚合

可以对 DataFrame 进行聚合操作,比如求和、求平均值等。例如,下面的代码计算了所有人的平均年龄。

```python

print(df['Age'].mean())

```

输出:

```

23.0

```

7. 合并

可以使用 concat、merge 或 join 等函数将多个 DataFrame 进行合并。例如,下面的代码将两个含有相同列名的 DataFrame 按行合并。

```python

data2 = {'Name': ['David'], 'Age': [27], 'Gender': ['M']}

df2 = ame(data2)

df_concat = ([df, df2], ignore_index=True)

print(df_concat)

```

输出:

```

Name Age Gender

0 Alice 21 F

1 Bob 25 M

2 Charlie 23 M

3 David 27 M

```

以上是一些基本的 pandas DataFrame 操作,还有很多高级操作比如分组、透视表等,不再一一列举。不过,掌握了 DataFrame 的基本操作,再学习这些高级操作就会更加容易了。


本文标签: 代码 进行 操作 例如 使用