DreamingBetter的博客

本文摘要：分组后使用聚合函数统计df为单个列groupby，查询所有数据列的统计df.groupby('A').sum()返回结果，可见A变成索引列，里面的值进行了分类有bar、foo。因为调用sum函数，B列不是数字，自动忽略。...

本文摘要：使用concat拼接数据df1为df2为默认concat，参数axis=0, join=‘outer’, ignore_index=False，即按行拼接，拼接方式保留所有列，不忽略原数据索引。import pandas as pdpd.concat([df1, df2])返回结果设置ignore_index=True，忽略原数据索引import pandas as pdpd.concat([df1, df2], ignore_index=True)返回结

本文摘要：Pandas的merge相当于SQL的join，将不同的表按共有的列属性关联起来。merge实例现有数据 df_ratings 如下df_users 如下df_movies 如下how=‘innder’ 内连接，表示两表都有同一UserID才会保留，否则丢弃。import pandas as pddf_ratings_users = pd.merge( df_ratings, df_users, left_on='UserID', right_on='UserID', h

本文摘要：修改索引列名修改索引列名为iddf.index.name = 'id'修改索引起始值自动生成的索引从100开始df.index = df.index + 100将数据某一列设为索引将userid列设为索引列，inplace=True表示在原df上修改，drop=False表示保留userid列，默认删除userid列。# 将userid列设为索引列df.set_index('userid', inplace=True, drop=False)# 若修改后可以这么查询u

本文摘要：单行单列操作，axis=0或者‘index’指的就是行，axis=1或者‘columns’指的就是列。多行多列操作，axis=0或者‘index’指的是跨行操作，可以想象成一块千层蛋糕，双手从上下将其压缩成一层蛋糕，剩下的只有多列了，多列就是你返回对象的索引，每个索引对应的值就是对每一行操作的结果。axis=1或者‘columns’指的是跨列操作，还是一块千层蛋糕，双手从两侧将其压缩成一条千层蛋糕，剩下的就是一千层，也就是行，这些行就是你希望返回对象的索引，每个索引对应的值就是对每一列操作的

本文摘要：见下图，排序的方法很显而易见，不作演示。字符串处理参考文档Series的str属性# 获取Series的str属性df['bWendy'].str查看返回对象，如下图所示# 字符串替换，将字符串中的°C去掉，返回Series对象df['bWendy'].str.replace('°C', '')# 查看字符串长度，方法与Python字符串大多相似df['bWendy'].str.len()使用str的startswith、contains等返回bool的Series

本文摘要：实例对这样一个不规则excel进行数据处理本代码主要演示各个功能的使用和解决思路，并不是完整程序。import pandas as pdstudf = pd.read_excel('xx.xlsx', skiprows=2) # 读取时跳过前两行# 检测空值studf.isnull()检测空值的返回结果# 单列检测空值studf['分数'].isnull()# 与isnull相反，非空为Truestudf['分数'].notnull()# 例如筛选没有空分

本文摘要：1.汇总类统计2.唯一去重和按值计数3.相关系数和协方差汇总类统计# 统计所有数字列结果df.describe()统计结果类似下图，索引分别表示：单词含义count总行数mean平均数std标准差min最小值25% 50% 75%分位数max最大值# 查看单列Series的数据df['bWendu'].mean()df['bWendu'].max()df['bWendu'].min()唯一去重和按值计

本文摘要：新增数据列1.直接赋值2.df.apply方法3.df.assgin方法4.按条件选择分组分别赋值直接赋值例子续接上回# df['High']、df['Low']其实是两个Series，相减返回仍是Series# 此处'High-Low'是要新增的新列名，新列数据为df表每行的High列和Low列的高低差df.loc[:, 'High-Low'] = df['High'] - df['Low']df.apply方法下面示例：新增一个’wendu_type’列，表示温度类

本文摘要：数据查询方法【常用】df.loc方法，根据行、列的标签值查询df.iloc方法，根据行、列的数字位置查询df.where方法df.query方法**注意：**查询过程中数据类型会降维，要注意数据类型的转换。DataFrame >> Series >> Pyhon数据类型引入数据与题外话import pandas as pddf = pd.read_csv('xxx.csv')# 假设不用pd自动生成的0-n的数字索引，将日期设置为索引df.set_

本文摘要：Pandas数据读取、Pandas数据类型与转换读取文件类型查看数据属性# 查看数据形状，返回(行数，列数)dataframe.shape# 查看列名,返回Index(['id', 'name', 'grade'], dtype='object')dataframe.columns# 查看索引，返回RangeIndex(start=0, stop=100, step=1)dataframe.index# 查看每列的数据类型dataframe.dtypes# 查看前