这篇应该是pandas最详细的用法了!没有之一!

pandas 常用45个操作方法(详解) pandas 在数据分析中的常用操作,数据合并、级联、透视表,交叉表,多层索引,窗口函数、分箱、分组聚合、随机取样等等 阅读详情

介绍

在Python中,pandas是基于numpy数组构建的,使数据预处理、清洗、分析工作变得更快更简单。pandas是专门为处理表格和混杂数据设计的,而numpy更适合处理统一的数值数组数据。
使用下面格式约定,引入pandas包:import pandas as pd

pandas有两个主要数据结构:Series 和 DataFrame

一、Series(一维,带标签数组)

Series是一种类似于一维数组的对象,它由一组数据(各种NumPy数据类型)以及一组与之相关的 数据标签(即索引)组成,即index和values两部分,可以通过索引的方式选取Series中的单个或一组值。

1、Series的创建:


2、修改index:


3、用string方法,给index属性传递字母:


4、Series还可以用字典的格式来表示【dtype()查类型,astype()改类型】

 


5、Series切片和索引


6、Series的索引和值


7、用Series()方法读取mongodb数据【pandas没有自带获取mongodb的方法】

二、DataFrame(二维,Series容器)

DataFrame是一个表格型的数据类型,每列值类型可以不同,是最常用的pandas对象。
DataFrame既有行索引,也有列索引,它可以被看做由Series组成的字典(共用同一个索引)。
DataFrame中的数据是以一个或多个二维块存放的(而不是列表、字典或别的一维数据结构)。

1、DataFrame的创建:


2、更改行、列索引


3、DataFrame还可以用字典的格式来表示


4、用DataFrame()方法读取mongodb数据【pandas没有自带获取mongodb的方法】


5、DataFrame的属性、用法 和 描述信息

 


》另外记住一个常用查询方法:sort_values()【用于对DataFrame数据进行排序】

df.sort_values(by="xxx", ascending=False) 	
# by参数传递“需要按照哪个列排序”;ascending参数表示升序或降序,True为升序,False为降序。
12

6、DataFrame取值、取索引
》 取值:


》① loc方法:


》 ② iloc方法:


7、DataFrame布尔索引

 

三、pandas中缺失数据的处理

 

四、pandas读写文本格式的数据

pandas提供了一些用于将表格型数据读取为DataFrame对象的函数。下表对它们进行了总结,其中read_csv()、read_table()、to_csv()是用得最多的。


工作中实际碰到的数据可能十分混乱,一些数据加载函数(尤其是read_csv)的参数非常多(read_csv有超过50个参数)。

完整教程视频点这里获取

 

ArcGIS Pro 导入外部 Excel 属性数据 通过使用 ArcGIS Pro 导入外部 Excel 属性数据,您可以将 Excel 中的属性信息与地理数据相结合,从而为空间分析和可视化提供更全面的数据支持。接下来,选择要导入的 Excel 文件,并在“工作表”下拉菜单中选择正确的工作表(如果有多个工作表)。确保选择正确的“匹配字段”选项,以将 Excel 文件中的列映射到要素类的字段。完成导入后,可以打开要素类的属性表,验证导入的 Excel 属性数据是否成功添加到要素类中。在 ArcGIS Pro 的“目录”窗格中,找到并选择刚创建的要素类。 阅读详情

相关推荐

【GlobalMapper精品教程】023:Excel数据通过相同字段连接到属性表中(气温降水连接到气象台站)

globalmapper中也可以将Excel数据通过相同字段连接到属性表中。本文讲解将气温降水连接到气象台站点图层中。

智慧空间实验室 1391

pandas 基础用法大全(入门首选)

本文转载于:pandas用法大全,并在原文的基础上修复了部分问题并配了相应代码执行输出的结果。 一、生成数据表 1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用: import numpy as np import pandas as pd 2、导入CSV或者xlsx文件: df = pd.DataFrame(pd.read_csv('name.csv',he...

Come on!!! 9363

S4-FPGA-K7板级原理图硬件实战

xilinx K7板级硬件实战

weixin_66510961的博客 6159

Python pandas用法

介绍 在Python中,pandas是基于NumPy数组构建的,使数据预处理、清洗、分析工作变得更快更简单。pandas是专门为处理表格和混杂数据设计的,而NumPy更适合处理统一的数值数组数据。 使用下面格式约定,引入pandas包: ...

ytraister的博客 1946

动作识别(三)Win10复现OpenPose1.7.0+ST-GCN代码

动作识别(三)Win10复现OpenPose1.7.0+ST-GCN代码1.Win10系统配置OpenPose1.7.0的Python API 本人最近在研究基于骨架的动作识别方法,有幸看到端到端的ST-GCN算法,于是决定自己复现一下。(具体原理这里不介绍,大家自行查阅,比如Openpose是个啥?ST-GCN又是个啥?) 1.Win10系统配置OpenPose1.7.0的Python API 安装步骤: (1) ...

QIANFANGshiwo的博客 3042

nbiot和2g_浅谈NBIOT

一、什么是NBIOT?1、概念窄带物联网(Narrow Band Internet of Things, NB-IoT),NB-IoT构建于蜂窝网络,只消耗大约180KHz的带宽,使用License频段,可采取带内、保护带或独立载波等三种部署方式,与现有网络共存。可直接部署于GSM网络、UMTS网络或LTE网络,以降低部署成本、实现平滑升级。2、NBIOT的特点和目标(1)超强覆盖:相对GPRS来...

weixin_39534100的博客 1705

pandas用法-全网最详细教程

一、生成数据表 1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用: import numpy as np import pandas as pd 2、导入CSV或者xlsx文件: df = pd.DataFrame(pd.read_csv(‘name.csv’,header=1)) df = pd.DataFrame(pd.read_excel(‘nam............

yiyele的博客 54万+

JavaScript比较与逻辑运算符底层原理详解

JavaScript中的比较运算符(如==、===、>)和逻辑运算符(如&&、||)并非简单返回布尔值,而是基于类型转换规则(ToNumber、ToPrimitive、ToBoolean)执行抽象操作的确定性过程。理解其背后的标准协议——抽象相等比较、严格相等判断、关系运算数值化,以及逻辑运算的短路与原值返回机制,是避免隐式转换陷阱、写出可预测代码的关键。这些机制直接支撑着条件判断、默认值处理、安全访问等高频工程实践,广泛应用于表单校验、API响应处理、状态管理及UI渲染逻辑中。

weixin_32075843的博客 332

Pandas最详细教程来了!

导读:在Python中,进行数据分析的一个主要工具就是Pandas。Pandas是Wes McKinney在大型对冲基金AQR公司工作时开发的,后来该工具开源了,主要由社区进行维护和更新。...

大数据 3881

【拼多多笔试题汇总】2024-03-24-拼多多春招笔试题

A 小镇上有个奇特的游戏。游戏开始时,A 先生准备了一排 nnn 个物品。K 小姐和卢小姐则轮流进行操作。首先,K 小姐可以选择移除至多 xxx 个物品。接着,卢小姐也可以选择移除剩余物品中的至多 yyy 个。游戏的目标是,K 小姐想尽量让剩余物品的价值之和最大化,而卢小姐则想将剩余物品的价值之和最小化。假设两人都采取最优策略,请问最后剩余物品的价值之和是多少?第一行包含五个正整数 n,m,k,x,yn, m, k, x, yn,m,k,x,y,分别表示物品的总数、K 小姐最多可移除的物品数、卢小姐最多可移

春秋招笔试突围 1万+

Multica 自托管部署与使用入门:从上线到让 AI Agent 真正干活

Multica是一个将AI Agent作为团队成员的任务协作平台,支持自托管部署。本文介绍了完整的单机部署流程: 核心架构包括前端界面、后端服务、PostgreSQL数据库和Runtime执行机器 推荐使用Docker Compose部署,需配置数据持久化目录 提供详细的docker-compose.yml和.env配置文件说明 重点注意事项:数据库密码和JWT密钥必须修改,生产环境配置必须设为production 需正确配置前端访问地址和WebSocket连接 部署完成后,用户可创建AI Agent并将其

q742971636的博客 1739

pandas 中delete、drop函数的用法

这两个函数是数据处理是比较常用的函数,在这里重点总结一下,为了方便自己的记忆。也可以和大家一起做一下分享 首先看一下drop函数 DataFrame.drop(labels=None,axis=0,index=None,columns=None,level=None,inplace=False,errors='raise') 这是drop函数的所有参数 labels是指要删除的...

学习python 9万+

手把手教你学Simulink——基于自动驾驶辅助系统的场景实例:车道保持辅助系统(LKA)的仿真与实现

本文通过Simulink实例讲解车道保持辅助系统(LKA)的实现方法。首先介绍LKA从预警到主动控制的技术演进,阐述其系统架构、核心组件和工作原理。重点演示基于自行车模型的车辆横向动力学建模过程,以及使用线性二次调节器(LQR)设计横向控制器的详细步骤。教程包含四个仿真场景测试,分析关键指标如控制精度、舒适性和响应性。最后探讨LKA技术的发展方向,强调人机协同的安全理念。该实例为自动驾驶辅助系统开发提供了完整的Simulink实践方案。

MHD0815的博客 182

pandas groupby 用法详解

1.分组groupby 在日常数据分析过程中,经常有分组的需求。具体来说,就是根据一个或者多个字段,将数据划分为不同的组,然后进行进一步分析,比如求分组的数量,分组内的最大值最小值平均值等。在sql中,就是大名鼎鼎的groupby操作。 pandas中,也有对应的groupby操作,下面我们就来看看pandas中的groupby怎么使用。 2.groupby的数据结构 首先我们看如下代码 def ddd(): levels = ["L1", "L1", "L1", "L2", "L2", "L3",

bitcarmanlee的博客 3万+

软考中级-软件设计师 知识点整理(一篇就过了 建议收藏)

软考中级-软件设计师上午题知识点总结

片言可决讼,半纸能缚龙 17万+

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Pandas库相关用法总结【万字梳理,用法描述+代码示例结果,详细实用!】

本文总结归纳了使用pandas库对dataframe格式数据进行各类预处理、统计、和分析过程中常用的一些函数和应用场景,希望能帮助看到的小伙伴在日常调试时少走弯路。

TFY_Newone的博客 2734

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

pandas详细用法指南(python)

pandas主要的数据结构是 Series (一维数据)与 DataFrame(二维数据)。Series (一维数据):可以是数字(整数、浮点数等)、字符串、列表,元组,字典等python对象。series的每个值都有一个索引,默认从0开始。具有不变性(创建后大小不变)。data可以是列表[1,2,3]可以是字符串可以是数组可以是字典,这种方式把索引指定为1,2,3。

yes666666的博客 5500

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

史上最全!用Pandas读取CSV,看这篇就够了

导读:pandas.read_csv接口用于读取CSV格式的数据文件,由于CSV文件使用非常频繁,功能强大,参数众多,因此在这里专门做详细介绍。作者:李庆辉来源:大数据DT(ID:hzda...

大数据 1万+

Pandas用法笔记总结 (详细)

目录 Pandas 创建对象 可视化数据 Geting数据 赋值 缺失数据处理 数据操作 字符串方法 查询聚合 重塑(reshape) 透视表(Pivot table) 时间序列(Time Series) 画图 Categoricals 文件输入输出获取数据(Gettin...

weixin_41521681的博客 5166

详细介绍pandas 在python中的用法

Pandas 是一个强大而灵活的数据分析工具,能够处理从简单到复杂的数据操作,适合于处理表格数据、时间序列数据、统计分析等。Pandas 提供的高级数据结构和丰富的函数库使得数据分析任务变得更加高效。

科技追踪者的专栏 986

pandas使用总结(很详细!)

一,pandas介绍:        pandas是BSD许可的开源库,为Python编程语言提供了高性能,易于使用的数据结构和数据分析工具。长期以来,Python在处理数据和准备数据方面一直很出色,但在数据分析和建模方面却不那么出色。pandas帮助填补了这一空白,使您能够在Python中执行整个数据分析工作流,而不必切换到R...

weixin_43697214的博客 2560
上一篇: 学完Python,我决定熬夜整理这篇总结!
下一篇: 使用OpenCV和Python构建运动热图视频!
pythonlaodi
博客等级 码龄6年 286粉丝 244原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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