Pandas知识点(一)

本文介绍Pandas库的基础使用方法,包括Series与DataFrame的概念及其创建方式。详细解释如何定义带标签的一维时间矩阵,并展示了DataFrame的不同定义方法及如何查看其元素类型、列标识、行标识等内容。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

声明:本文总结是根据莫烦课程笔记所得

Pandas:

  类似字典形式的Numpy,能给不同的行不同的列进行命名。

---------------*******************************************************************-----------------

1. Series 是一个类数组的数据结构,同时带有标签(lable)或者说索引(index)

     

2. 定义一个关于时间的一维矩阵:

    

3.  DataFrame类似于一个大的矩阵,关于它的定义如下:

      

      其中数据为numpy生成的数据,index是行标识,columns是行标识;

4. 上面是定义了行和列名称的,如果不定义的话,则默认的为0,1,2,3...:

     

5. 上面是第一种定义DataFrame的方式,下面是第二种:

     

6.  查看上面定义的df2的元素类型:

    

7. df2所有列的标识:

  

8. df2所有行的标识:

  

9. df2中所有的数据:

  

10. 关于df2的描述:

    

   可以观察到,这只是对一些数值属性进行了描述

11. df2的转置:

   

12. 对列属性排序:

    

    其中,ascending=False代表着倒序排列;axis=0时是对行属性的排序;

13. 针对行属性或列属性中的某一个属性进行排序:

   


Pandas的重点知识点主要包括以下几个方面: 1. Pandas与NumPy的关系:Pandas是基于NumPy实现的,它们互为补充。Pandas的核心数据结构与NumPy的ndarray相似,但Pandas在数据处理方面更强大和智能,而NumPy更基础和强大。 2. 数据分析中的Data Frame操作:Data Frame是Pandas中最常用的数据结构,类似于Excel中的表格。对Data Frame进行各种操作是进行数据分析的基础操作,比如数据筛选、排序、切片等。 3. 分组聚合:利用Pandas进行数据分析时,经常需要根据某些特征将数据分组,并对每个分组进行聚合计算,如求和、计数、均值等。这种分组聚合操作可以帮助我们快速统计和分析数据。 4. Series:Series是Pandas中的维数据结构,类似于Excel中的列。它由组数据和与之关联的索引组成,可以对数据进行标签化的访问和操作。 总结来说,Pandas的重点知识点包括Pandas与NumPy的关系、Data Frame的操作、分组聚合以及Series的使用。掌握这些知识点可以帮助你更好地进行数据分析和处理。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Pandas知识点超全总结](https://blog.youkuaiyun.com/Itsme_MrJJ/article/details/126101002)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值