pandas功能用法汇总#基础非常重要#

pandas功能用法汇总#非常重要#

一.series

1.特点

#有索引索引可以更改且索引可以是字符串

#具有相同索引的series可以进行运算操作

#具有相同标签的series和dataframe可以进行操作

2.创建

import pandas as pd

s = pd.Series([1,2,3,4,5])

s = pd.Series([1,2,3,4,5],index=list(‘abcdf‘))

3.计算

#数组，series有矢量的特征，可以与标量进行计算，本质上是值和标签
#进行计算，常用布尔计算

#计算--series value 属性和标量
s1=pd.Series({‘北京‘:‘023‘,‘杭州‘:‘234‘,‘沈阳‘:‘123‘})
s2=pd.Series({‘北京‘:‘023‘,‘杭州‘:‘234‘,‘沈阳‘:‘123‘})
print(s1*2+s2)

二.dataframe

1.csv中获取

pd.read_csv(‘.csv‘)

2.切片

data.loc 闭区间切片 使用标签

data.iloc 左闭右开切片 使用物理位置

data.head(10)取前10行数据

#loc应用
print(data.loc[:3,[‘position‘,‘AQI‘]])
print(data.loc)#行数据 物理位置
demo=data.head(5)#切片前提，字符串有序
damo.index=list(‘abcde‘)
demo.loc[‘a‘:‘c‘]

#iloc应用
data.iloc[0:3]#前闭后开/列只能用物理位置
demo.ix[]#可以跟位置和标签

 3.增加列和行

增加列可以加入一个标签相同的series

添加行concat

 4.与或非运算

demo[(demo.district==‘朝阳‘) & (demo[‘total price‘]>400)]#与操作
demo[(demo.district==‘朝阳‘) | (demo[‘total price‘]>400)]#或操作
demo[~ demo.Distrct= ‘朝阳‘]#非操作

5.计算

缺失值可以fillna/dropna/布尔索引

dataframe.count()计算列中一共多少行

dataframe.value_counts()#分组去重

pandas功能用法汇总#基础非常重要#

原文：https://www.cnblogs.com/LuciferRex/p/12080933.html