深入了解 Pandas：对象的变形1

目录

前言

 第一点：导入模块

 第二点：对象置换与翻转

 第三点：对象的重塑

 第四点：对象的拼接

总结

---

前言

在本博客文章中，我们将讨论如何使用Pandas进行数据对象操作，包括对象置换、翻转、重塑、拼接等操作。通过本文的实用示例，您将了解如何利用Pandas库中强大的功能来处理和操作数据框（DataFrame）和序列（Series），从而更高效地进行数据处理和分析。让我们一起来看看吧！

 第一点：导入模块

import pandas as pd

 第二点：对象置换与翻转

#对象置换
v=[[53,64,72,82],['女','男','男','女']]
i=['年龄','性别']
c=['1号','2号','3号','4号']
df=pd.DataFrame(v,index=i,columns=c)
print(df)
#     1号  2号  3号  4号
# 年龄  53  64  72  82
# 性别   女   男   男   女

#置换
df=df.T
print(df)
#     年龄 性别
# 1号  53  女
# 2号  64  男
# 3号  72  男
# 4号  82  女

#左右翻转
df=df.iloc[:,: : -1]  #所有行，第一列到最后一列:-1倒着采样
print(df)
#    性别  年龄
# 1号  女  53
# 2号  男  64
# 3号  男  72
# 4号  女  82

#上下翻转
df=df.iloc[::-1,:]
print(df)
#    性别  年龄
# 4号  女  82
# 3号  男  72
# 2号  男  64
# 1号  女  53

 第三点：对象的重塑

i=['1号','2号','3号','4号']
v1=[53,64,72,82]
v2=['女','男','男','女']
v3=[1,2,3,4]
sr1=pd.Series(v1,index=i)
sr2=pd.Series(v2,index=i)
sr3=pd.Series(v3,index=i)
print(sr1,sr2,sr3)

#字典法创建df
df=pd.DataFrame({'年龄':sr1,'性别':sr2})
print(df)
#     年龄 性别
# 1号  53  女
# 2号  64  男
# 3号  72  男
# 4号  82  女

#把sr并入df中
df['牌照']=sr3
print(df)
#     年龄 性别  牌照
# 1号  53  女   1
# 2号  64  男   2
# 3号  72  男   3
# 4号  82  女   4

#把df['年龄']分离成sr4
sr4=df['年龄']
print(sr4)
# 1号    53
# 2号    64
# 3号    72
# 4号    82
# Name: 年龄, dtype: int64

 第四点：对象的拼接

v1=[10,20,30,40]
v2=[40,50,60]
k1=['1号','2号','3号','4号']
k2=['4号','5号','6号']
sr1=pd.Series(v1,index=k1)
sr2=pd.Series(v2,index=k2)
print(sr1,sr2)
# 1号    10
# 2号    20
# 3号    30
# 4号    40
# dtype: int64
# 4号    40
# 5号    50
# 6号    60
# dtype: int64

#合并
sr3=pd.concat([sr1,sr2])
print(sr3)
#1号    10
# 2号    20
# 3号    30
# 4号    40
# 4号    40
# 5号    50
# 6号    60

#我们可以看到数据由重复的
#那如何查看索引是否重复呢？
print(sr3.index.is_unique)
# False 表示重复

总结

通过本文，我们学习了如何利用Pandas库中丰富的函数和方法来对数据对象进行操作和处理。希望这些示例能够帮助您更加熟练地使用Pandas，并在实际数据分析和处理中发挥更大的作用。如果您有任何问题或想了解更多信息，请随时联系我们。感谢您的阅读，祝您在数据处理中取得成功！