(秦路)七周成为数据分析师（第七周）——Python

最新推荐文章于 2022-12-06 17:37:55 发布

原创

最新推荐文章于 2022-12-06 17:37:55 发布

· 3.1k 阅读

10 ·

版权

文章标签：

#数据分析 #python #pandas

本文详细介绍了Pandas库在数据处理中的各种操作，包括Series和DataFrame的生成、索引读取、条件查找、数据类型转换、数据排序、统计分析、透视表创建以及与数据库交互等。此外，还涉及了文本处理、空值处理和数据可视化等内容，是Python数据科学领域的重要实践。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

anaconda:
esc + m 转换为markdown格式
tab：补全
shift+tab：查看函数

1.Python基础

简单函数
list=[i**2 for i in range(1,101) if i%2=0]

dict={"a":1,"b":2}
[v**2 for v in dict.values()]

def func(x):
	return x*x
[func(i) for i in range(1,11)]

list(map(func,[1,2,3,4,5]))

匿名函数：
lambda x:x*x

list(map(lambda x:x*x,[1,2,3,4,5]))

在这里插入图片描述
统计数字出现几次。另一种用第三方库的方式：

2.Pandas

series相当于数组，dataframe相当于excel表格

2.1 series

生成

s1=pd.Series([1,2,3,4])
s2=pd.Series([1,2,3,4],index=['a','b','c','d']) #可修改索引

在这里插入图片描述

用索引读取相应的行

在这里插入图片描述

2.2 DataFrame

生成

在这里插入图片描述

查看形状

df.shape
df.shape[0] or len(df)

查看属性和信息

在这里插入图片描述

查看数据类型

df.dtypes

查看某列有多少种元素

#方法一：
len(df['name'].unique())

查看某一列各元素出现的次数

df['name'].value_counts()

查看某列各元素的长度

# 方法一：
df['name'].str.len()
# 方法二：
df['name'].map(lambda x: len(x))

用索引读取相应的行和列

在这里插入图片描述

查看索引范围

在这里插入图片描述

按条件查找

在这里插入图片描述

用query按条件查找

在这里插入图片描述

用iloc和loc查找行

在这里插入图片描述

提取某列的特定行

# 方法一：
df.iloc[[1,10,15], 0]

# 方法二：
df['createTime'][[1,10,15]]

# 方法三：
df['createTime'].take([1,10,15])

将所有列倒序排列

#方法一：
df.iloc[:, ::-<

最低0.47元/天解锁文章