pandas中一些常用的工具

最新推荐文章于 2024-03-07 06:30:00 发布

原创最新推荐文章于 2024-03-07 06:30:00 发布 · 置顶 · 412 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#pandas #python3 #机器学习

python 同时被 2 个专栏收录

14 篇文章

订阅专栏

pandas

2 篇文章

订阅专栏

本文详细介绍了Pandas库中五个核心函数的使用方法，包括value_counts()用于统计不同值的数量，iloc()和loc()用于数据切分与选择，sort_values()进行数据排序，以及drop()用于删除指定行列数据。这些函数是进行数据分析与处理的基础。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

注意这些都必须是在pandas中的DataFrame使用
第一个：value_counts()

Series.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)

Returns object containing counts of unique values.

简单地说:看看数据中有哪些不同的值，并计算每个值有多少个重复值

第二个：iloc()

切分数据

比如： label=y_train.iloc[0] 上式的作用切分y_train中第一行的数据给label.

label=y_train.iloc[：，-1] 把y_train中数据最后一列给label

第三个 sort_values()

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')

>>> df = pd.DataFrame({
...     'col1' : ['A', 'A', 'B', np.nan, 'D', 'C'],
...     'col2' : [2, 1, 9, 8, 7, 4],
...     'col3': [0, 1, 9, 4, 2, 3],
... })
>>> df
    col1 col2 col3
0   A    2    0
1   A    1    1
2   B    9    9
3   NaN  8    4
4   D    7    2
5   C    4    3

>>> df.sort_values(by='col1', ascending=False)   # 根据col1来下降排序
    col1 col2 col3
4   D    7    2
5   C    4    3
2   B    9    9
0   A    2    0
1   A    1    1
3   NaN  8    4

第四个：index

第五个：loc()

selection by label(根据标签删除数据)

参考网页

第六个：drop()

删掉某列某行数据

参考网页