python-panda使用日记

最新推荐文章于 2023-01-02 22:29:24 发布

带着托托写代码

最新推荐文章于 2023-01-02 22:29:24 发布

阅读量231

点赞数

CC 4.0 BY-SA版权

分类专栏： python 文章标签： python

本文链接：https://blog.youkuaiyun.com/langsiming/article/details/103981446

python 专栏收录该内容

2 篇文章

订阅专栏

本文详细介绍了使用Python的Pandas库进行数据处理的方法，包括数据读取、转换、筛选、遍历、排序及统计等核心操作，适用于数据分析和数据科学初学者。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import pandas as pd
import numpy as np
#读取文件
data = pd.read_csv("G:\data\LoanStats_2016Q2\LoanStats_2016Q2_3.csv",low_memory=True)

#将python的list转成DataFrame
name = ['王家卫','周星驰','徐克']
id = ['001','002','003']
c={"name": name,"id": id}
data2 = pd.DataFrame(c)
print(data2.name) #pandas.core.frame.DataFrame
print(type(data2.name)) #<class 'pandas.core.series.Series'>
#DataFrame转list
data3 = np.array(data2)
print(type(data3)) #类型：class 'numpy.ndarray'
print(type(data3.tolist()))#<class 'list'>
print(type([1,2,3]))#<class 'list'>
#如何从dataFrame中取特定位置上的数据
print(data.head(5)["total_acc"])#取totalArray中的前5行数据进行展示
print(data.tail(5)["total_acc"])#取totalArray中的后5行数据进行展示
print("---------------------------------------------------")
#查看DataFrame中所有的列名
print(type(data.columns))#<class 'pandas.core.indexes.base.Index'>
print(data["total_acc"].value_counts())#统计total_acc列中每一种值出现的频率
print(type(data["total_acc"].value_counts()))#<class 'pandas.core.series.Series'>
#series转DataFrame
print(type(data["total_acc"].value_counts().to_frame()))#<class 'pandas.core.frame.DataFrame'>
print(type(data2.name.to_frame()))
#查看DataFrame中的行列数
print(data.shape)#(45915, 286)
#查看Series去重后的结果
print(data["total_acc"].unique())#查看total_acc这列去重后的结果
print("----------------------------------------------------------")
#查看total_acc这列小于100的数
ststic = data["total_acc"].value_counts().to_frame()
print(ststic.columns)
aa = ststic.total_acc>1600
print(ststic[aa])
#如何遍历dataFrame
for index,row in data2.iterrows():
    print(type(row))#<class 'pandas.core.series.Series'>
#如何遍历Series
print("-------------------------------------------------")
for i,v in data2["name"].iteritems():
    print(v)
#series排序
print("-------------------------------------------------")
print(data["total_acc"].sort_values())#根据值的大小排序
print("-------------------------------------------------")
print(data["total_acc"].sort_index())#根据索引的大小排序，其实就是没有排序
print("-------------------------------------------------")
print(ststic["total_acc"].sort_values())
print(ststic["total_acc"].sort_index())#统计频率后形成dataFrame的sort_index是有意义的