日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學(xué)無先后，達(dá)者為師

網(wǎng)站首頁 編程語言 正文

Pandas中DataFrame常用操作指南_python

作者：夜月xl ? 更新時(shí)間： 2022-08-12 編程語言

前言

Pandas是Python下一個(gè)開源數(shù)據(jù)分析的庫，它提供的數(shù)據(jù)結(jié)構(gòu)DataFrame極大的簡化了數(shù)據(jù)分析過程中一些繁瑣操作。

1. 基本使用：

創(chuàng)建DataFrame. DataFrame是一張二維的表，大家可以把它想象成一張Excel表單或者Sql表。

Excel 2007及其以后的版本的最大行數(shù)是1048576，最大列數(shù)是16384，超過這個(gè)規(guī)模的數(shù)據(jù)Excel就會彈出個(gè)框框“此文本包含多行文本，無法放置在一個(gè)工作表中”。

Pandas處理上千萬的數(shù)據(jù)是易如反掌的sh事情，同時(shí)隨后我們也將看到它比SQL有更強(qiáng)的表達(dá)能力，可以做很多復(fù)雜的操作，要寫的code也更少。 說了一大堆它的好處，要實(shí)際感觸還得動(dòng)手碼代碼。

首要的任務(wù)就是創(chuàng)建一個(gè)DataFrame，它有幾種創(chuàng)建方式：

  • 列表，序列(pandas.Series), numpy.ndarray的字典
  • 二維numpy.ndarray
  • 別的DataFrame
  • 結(jié)構(gòu)化的記錄(structured arrays)

其中，我最喜歡的是通過二維ndarray創(chuàng)建DataFrame，因?yàn)榇a敲得最少：

import  pandas as pd
import  numpy as np
df = pd.DataFrame(np.random.randn( 3 , 4 ))
df
0 1 2 3
0 0.236175 - 0.394792 - 0.171866 0.304012
1 0.651926 0.989046 0.160389 0.482936
2 - 1.039824 0.401105 - 0.492714 - 1.220438

當(dāng)然你還可以從mysql數(shù)據(jù)庫或者csv文件中載入數(shù)據(jù)到dataframe。

dataframe中index用來標(biāo)識行，column標(biāo)識列，shape表示維度。

# 獲得行索引信息
df.index
# 獲得列索引信息
df.columns
# 獲得df的size
df.shape
# 獲得df的行數(shù)
df.shape[0]
# 獲得df的 列數(shù)
df.shape[1]
# 獲得df中的值
df.values

通過describe方法，我們可以對df中的數(shù)據(jù)有個(gè)大概的了解：

df.describe()
0 1 2 3
count 3.000000 3.000000 3.000000 3.000000
mean - 0.050574 0.331786 - 0.168064 - 0.144496
std 0.881574 0.694518 0.326568 0.936077
min - 1.039824 - 0.394792 - 0.492714 - 1.220438
25 % - 0.401824 0.003156 - 0.332290 - 0.458213
50 % 0.236175 0.401105 - 0.171866 0.304012
75 % 0.444051 0.695076 - 0.005739 0.393474
max 0.651926 0.989046 0.160389 0.482936

2. 數(shù)據(jù)select, del, update。

按照列名select:

df[ 0 ]
 
0 0.236175
1 0.651926
2 - 1.039824

按照行數(shù)select:

df[: 3 ] #選取前3行

按照索引select:

df.loc[ 0 ]
 
0 0.236175
1 - 0.394792
2 - 0.171866
3 0.304012

按照行數(shù)和列數(shù)select:

df.iloc[ 3 ] #選取第3行
df.iloc[ 2 : 4 ] #選取第2到第3行
df.iloc[ 0 , 1 ] #選取第0行1列的元素
dat.iloc[: 2 , : 3 ] #選取第0行到第1行，第0列到第2列區(qū)域內(nèi)的元素
df1.iloc[[1,3,5],[1,3]] #選取第1，3，5行，第1，3列區(qū)域內(nèi)的元素

刪除某列：

del df[0]
df
1 2 3
0 - 0.394792 - 0.171866 0.304012
1 0.989046 0.160389 0.482936
2 0.401105 - 0.492714 - 1.220438

刪除某行：

5
df.drop(0)
 
1 2 3
1 0.989046 0.160389 0.482936
2 0.401105 - 0.492714 - 1.220438

3.運(yùn)算。

基本運(yùn)算：

df[ 4 ] = df[ 1 ] + df[ 2 ]
 
1 2 3 4
0 - 0.394792 - 0.171866 0.304012 - 0.566659
1 0.989046 0.160389 0.482936 1.149435
2 0.401105 - 0.492714 - 1.220438 - 0.091609

map運(yùn)算，和python中的map有些類似：

df[ 4 ]. map ( int )
0 0
1 1
2 0

apply運(yùn)算：

df. apply ( sum )
 
1 0.995359
2 - 0.504192
3 - 0.433489
4 0.491167

4. Group by 操作。

pandas中的group by 操作是我的最愛，不用把數(shù)據(jù)導(dǎo)入excel或者mysql就可以進(jìn)行靈活的group by 操作，簡化了分析過程。

df[ 0 ] = [ 'A' , 'A' , 'B' ]
df
 
1 2 3 4 0
0 - 0.394792 - 0.171866 0.304012 - 0.566659 A
1 0.989046 0.160389 0.482936 1.149435 A
2 0.401105 - 0.492714 - 1.220438 - 0.091609 B
 
g = df.groupby([ 0 ])
 
g.size()
 
A 2
B 1
 
g. sum ()
 
1 2 3 4
0
A 0.594254 - 0.011478 0.786948 0.582776
B 0.401105 - 0.492714 - 1.220438 - 0.091609

5. 導(dǎo)出到csv文件

dataframe可以使用to_csv方法方便地導(dǎo)出到csv文件中，如果數(shù)據(jù)中含有中文，一般encoding指定為”utf-8″,否則導(dǎo)出時(shí)程序會因?yàn)椴荒茏R別相應(yīng)的字符串而拋出異常，index指定為False表示不用導(dǎo)出dataframe的index數(shù)據(jù)。

df.to_csv(file_path, encoding='utf-8', index=False)
df.to_csv(file_path, index=False)

總結(jié)

原文鏈接：https://blog.csdn.net/u013045749/article/details/48370007

欄目分類
最近更新