df 的索引列，列名称为 category 和 size pd.DataFrame((x.split('-') for x in df['category']), index...loc函数按标签值进行提取iloc按位置进行提取ix可以同时按标签和位置进行提取 具体的使用见下： df.loc[3]按索引提取单行的数值df.iloc[0:5]按索引提取区域行数据值df.reset_index...()重设索引df=df.set_index(‘date’)设置 date 为索引df[:‘2013’]提取 2013 之前的所有数据df.iloc[:3,:2]从 0 位置开始，前三行，前两列，这里的数据不同去是索引的标签名称...，然后将符合条件的数据提取出来pd.DataFrame(category.str[:3])提取前三个字符，并生成数据表 数据筛选 使用与、或、非三个条件配合大于、小于、等于对数据进行筛选，并进行计数和求和...pr 进行求和 df.query('city' == ['beijing', 'shanghai']).pr.sum() 数据汇总 主要使用 groupby 和 pivote_table 进行处理。
某一列数据计算 data['column_name'].value_counts() 以之前找到的一个前辈的数据为例子，首先我们要获取文件 import pandas as pd data = pd.read_excel...('xxxx.xls') 这里可以单独查看其中的内容 data['nick']，计算其中的大小则使用 data['nick'].value_counts()。...df 的索引列，列名称为 category 和 size pd.DataFrame((x.split('-') for x in df['category']), index...： df.loc[3]: 按索引提取单行的数值 df.iloc[0:5]: 按索引提取区域行数据值 df.reset_index(): 重设索引 df=df.set_index('date'):...设置 date 为索引 df[:'2013']: 提取 2013 之前的所有数据 df.iloc[:3,:2]: 从 0 位置开始，前三行，前两列，这里的数据不同去是索引的标签名称，而是数据所有的位置
每个数组都有一个shape（一个表示各维度大小的元组，即表示有几行几列）和dtype（一个用于说明数组数据类型的对象）。本节将围绕ndarray数组展开。...Pandas基本功能 1、重新索引 Pandas对象的一个方法就是重新索引（reindex）,其作用是创建一个新的索引，pandas对象将按这个新索引进行排序。对于不存在的索引值，引入缺失值。...也可以按columns(行)进行重新索引，对于不存在的列名称，将被填充空值。 对于不存在的索引值带来的缺失值，也可以在重新索引时使用fill_value给缺失值填充指定值。...obj.rank() (2)DataFrame数据结构的排序和排名 按索引值进行排列，一列或多列中的值进行排序，通过by将列名传递给sort_index. 5、缺失数据处理 （1）滤出缺失数据 使用data.dropna...（列从0开始计数） 6、汇总和计算描述统计 就是针对数组进行常用的数学和统计运算。大部分都属于约简和汇总统计。 其中有求和（sum）运算、累计（cumsum）运算、平均值（mean）等运算。
'B'].isnull() 7、查看某一列的唯一值： df['B'].unique() 8、查看数据表的值： df.values 9、查看列名称： df.columns 10、查看前5行数据、后5行数据...df_inner的索引列，列名称为category和size pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index...=True, left_index=True) 五、数据提取 主要用到的三个函数：loc,iloc和ix，loc函数按标签值进行提取，iloc按位置进行提取，ix可以同时按标签和位置进行提取。...1、按索引提取单行的数值 df_inner.loc[3] 2、按索引提取区域行数值 df_inner.iloc[0:5] 3、重设索引 df_inner.reset_index() 4、设置日期为索引...7、适应iloc按位置单独提起数据 df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行，4、5列 8、使用ix按索引标签和位置混合提取数据 df_inner.ix[:'2013
这个过程如下所示： 索引在Pandas中有很多用途： 它使通过索引列的查询更快； 算术运算、堆叠、连接是按索引排列的；等等。 所有这些都是以更高的内存消耗和更不明显的语法为代价的。...第二种情况，它对行和列都做了同样的事情。向Pandas提供列的名称而不是整数标签（使用列参数），有时提供行的名称。...首先，你可以只用一个名字来指定要分组的列，如下图所示： 如果没有as_index=False，Pandas会把进行分组的那一列作为索引列。...默认情况下，Pandas会对任何可远程求和的东西进行求和，所以必须缩小你的选择范围，如下图： 注意，当对单列求和时，会得到一个Series而不是一个DataFrame。...pivot失去了关于结果的 "主体" 名称的信息，所以对于 stack 和 melt，我们必须 "提醒" Pandas关于 quantity 列的名称。
Pandas在管理结构数据方面非常方便，其基本功能可以大致概括为一下5类： 数据 / 文本文件读取； 索引、选取和数据过滤； 算法运算和数据对齐； 函数应用和映射； 重置索引。...，DataFrame的每一列（行）都是一个Series，每一列（行）的Series.name即为当前列（或行）索引名。.../test1.CSV') file 测试完文件记录了A~F 6个物品的大小、等级以及重量。...2）Numpy只能存储相同类型的ndarray，Pandas能处理不同类型的数据，例如二维表格中不同列可以是不同类型的数据，一列为整数一列为字符串。...Pandas提供了大量快速便捷地处理数据的函数和方法。
包含值的列将转换为两列：一列用于变量（值列的名称），另一列用于值（变量中包含的数字）。 ? 结果是ID列的值（a，b，c）和值列（B，C）及其对应值的每种组合，以列表格式组织。...当一列爆炸时，其中的所有列表将作为新行列在同一索引下（为防止发生这种情况， 此后只需调用 .reset_index（）即可）。...Stack 堆叠采用任意大小的DataFrame，并将列“堆叠”为现有索引的子索引。因此，所得的DataFrame仅具有一列和两级索引。 ? 堆叠名为df的表就像df.stack（）一样简单 。...作为另一个示例，当级别设置为0（第一个索引级别）时，其中的值将成为列，而随后的索引级别（第二个索引级别）将成为转换后的DataFrame的索引。 ?...使用联接时，公共键列（类似于 合并中的right_on 和 left_on）必须命名为相同的名称。
Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。...这篇文章会介绍一些Pandas的基本知识，偷了些懒其中采用的例子大部分会来自官方的10分钟学Pandas。我会加上个人的理解，帮助大家记忆和学习。...或者以数据库进行类比，DataFrame中的每一行是一个记录，名称为Index的一个元素，而每一列则为一个字段，是这个记录的一个属性。...其中one只有3个值，因此d行one列为NaN（Not a Number）--Pandas默认的缺失值标记。...与此等价，还可以用起始的索引名称和结束索引名称选取数据： df['a':'b'] 有一点需要注意的是使用起始索引名称和结束索引名称时，也会包含结束索引的数据。
# 导入相关库 import numpy as np import pandas as pd 常用的基本功能 当我们构建好了 Series 和 DataFrame 之后，我们会经常使用哪些功能呢？...来介绍个有意思的方法：cumsum，看名字就发现它和 sum 方法有关系，事实上确实如此，cumsum 也是用来求和的，不过它是用来累加求和的，也就是说它得到的结果与原始的 Series 或 DataFrame... 大小相同。...Pandas 支持两种排序方式：按轴（索引或列）排序和按实际值排序。 先来看下按索引排序：sort_index 方法默认是按照索引进行正序排的。...shanghai male Mary 25 guangzhou female James 40 shenzhen male 修改列/索引名称
() 结果： （3）以某列值设置为新的索引 set_index(keys, drop=True) keys : 列索引名成或者列索引名称的列表 drop : boolean, default True...Numpy当中我们已经讲过使用索引选取序列和切片选择，pandas也支持类似的操作，也可以直接使用列名、行名称，甚至组合使用。...（混合索引:下标和名称） 获取行第1天到第4天，[‘open’, ‘close’, ‘high’, ‘low’]这个四个指标的结果： # 使用ix进行下表和名称组合做引 data.ix[0:4, ['open...以上这些函数可以对series和dataframe操作，这里我们按照时间的从前往后来进行累计 排序 # 排序之后，进行累计求和 data = data.sort_index() 对p_change进行求和...所以我们需要知道Pandas如何进行读取和存储JSON格式。
参数: ①分组键是列名: 单个列名直接写(按一列进行分组),多个列名以列表的形式传入(这就是按多列进行分 组)。...""" （1）按一列进行分组 import pandas as pd df = pd.DataFrame([[99,"A类","一线城市","是",6,20,0],...、min 求最小值、median 求中位数、 mode 求众数、var 求方差、std 求标准差、quantile 求分位数 （2）按多列进行分组 按多列进行分组，只要将多个列名以列表的形式传给...df.groupby("客户分类")["7月销量"].sum() ---- 2.分组键是Series 把DataFrame的其中一列取出来就是一个Series ，如df["客户分类"]。...其实这和列选择一样，传入多个Series时，是列表中的列表；传入一个Series直接写就可以。
pandas 是基于 Numpy 构建的含有更高级数据结构和工具的数据分析包 类似于 Numpy 的核心是 ndarray，pandas 也是围绕着 Series 和 DataFrame 两个核心数据结构展开的...df=DataFrame(data) 其中DataFrame(data=None,index=None,columns=None)其中index代表行名称，columns代表列名称 其中df.index.../df.columns分别代表行名称与列名称： df.index #行名 df.columns #列名 其中index也是索引，而且不是那么好修改的。...，然后sorted代表对第一列进行排序； a.ix[:,1]-1 代表排好的秩，-1就还原到数据可以认识的索引。...argmin , argmax 最小值和最大值的索引位置（整数） idxmin , idxmax 最小值和最大值的索引值 quantile 样本分位数（0 到 1） sum 求和 mean 均值 median
直接对 age 这一列调用 max方法即可。 user_info.age.max() 40 类似的，通过调用 min、mean、quantile、sum 方法可以实现最小值、平均值、中位数以及求和。...来介绍个有意思的方法：cumsum，看名字就发现它和 sum 方法有关系，事实上确实如此，cumsum 也是用来求和的，不过它是用来累加求和的，也就是说它得到的结果与原始的 Series 或 DataFrame...大小相同。...Pandas 支持两种排序方式：按轴（索引或列）排序和按实际值排序。 先来看下按索引排序：sort_index 方法默认是按照索引进行正序排的。...name Tom 18 beijing male Bob 30 shanghai male Mary 25 guangzhou female James 40 shenzhen male 修改列/索引名称
copyimport numpy as npa = np.arange(4)b = a # 这样的话b就是a，当后续a的值发生变化时，b也会变# 解决b = a.copy() # 把a的值给b，但并没有将...行的名字df.columns # 列的名字df.values # df中的值，得到的是ndarray类型的值df.describe() # 默认是描述数字类型的属性,目的在于观察这一系列数据的范围、大小...(by='E') # 按'E'列的值进行升序排序""""""# pandas选择数据import pandas as pdimport numpy as npdates = pd.date_range(...periods=6)df = pd.DataFrame(np.random.random(6,4),index=dates,columns=['a','b','c','d'])df['a'] # 选择列名称为...（从0开始）df.iloc[3:5,1:3] # 第三行到第五列（不包括），第一列到第三列（不包括）（从0开始，左闭右开）df.iloc[1,3,5,1:3] # 第一行 第三行 第五列，第一列到第三列
减小DataFrame空间大小 pandas DataFrame被设计成可以适应内存，所以有些时候你可以减小DataFrame的空间大小，让它在你的系统上更好地运行起来。...神奇的是，pandas已经将第一列作为索引了： ? 需要注意的是，如果你想要你的工作在未来可复制，那么read_clipboard()并不值得推荐。 12....其中有一列是genre（类型）: ?...如果我们想要划分一个字符串，但是仅保留其中一个结果列呢？比如说，让我们以", "来划分location这一列： ?...set_option()函数中第一个参数为选项的名称，第二个参数为Python格式化字符。可以看到，Age列和Fare列现在已经保留小数点后两位。
使用index_col参数可以操作数据框中的索引列，如果将值0设置为none，它将使用第一列作为index。 ?...5、略过行和列 默认的read_excel参数假定第一行是列表名称，会自动合并为DataFrame中的列标签。...1、查看列 包括以下三种主要方法： 使用点符号：例如data.column_name 使用方括号和列名称：数据[“COLUMN_NAME”] 使用数字索引和iloc选择器：data.loc [：，'column_number...3、查看特定行 这里使用的方法是loc函数，其中我们可以指定以冒号分隔的起始行和结束行。注意，索引从0开始而不是1。 ? 4、同时分割行和列 ? 5、在某一列中筛选 ? 6、筛选多种数值 ?...3、求和 按行或列求和数据： ? 为每行添加总列： ? 4、将总列添加到已存在的数据集 ? 5、特定列的总和，使用loc函数 ? 或者，我们可以用以下方法： ? 6、用drop函数删除行 ?
它代表一列数据。 连同索引和值一起，输出显示序列的名称，长度和数据类型。 或者，虽然不建议这样做，但可能会出错，但是可以使用带有列名作为属性的点表示法来访问数据列。...它具有三个互斥的参数items，like和regex，一次只能使用其中一个。like参数采用一个字符串，并尝试查找名称中某处包含该确切字符串的所有列名称。...Pandas 定义了内置的len函数以返回行数。 步骤 2 和步骤 3 中的方法将每一列汇总为一个数字。 现在，每个列名称都是序列中的索引标签，其汇总结果为相应的值。...正如我们在最后一步中按年份和得分排序一样，我们获得的年度最高评分电影。 更多 可以按升序对一列进行排序，而同时按降序对另一列进行排序。...操作步骤 读取以机构名称作为索引的大学数据集，然后从索引 10 到 20 选择每隔一行： >>> college = pd.read_csv('data/college.csv', index_col=
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
