数据分析之Pandas（四）DataFrame运算

最新推荐文章于 2025-05-16 13:01:09 发布
最新推荐文章于 2025-05-16 13:01:09 发布
阅读量1.6w 收藏 90
点赞数 10
CC 4.0 BY-SA版权
分类专栏： 数据分析与挖掘基本工具 文章标签： 数据分析 pandas dataframe运算
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_42642945/article/details/88636151
本文详细介绍了Pandas DataFrame的算术、逻辑、统计和累计统计运算，包括add、sub、描述性统计、逻辑筛选、自定义函数应用等，提供数据分析中的实用技巧。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本章内容
  • 算术运算
  • 逻辑运算
  • 统计运算
  • 累计统计函数
  • 自定义运算
第一节 算术运算
  • add(other)

比如进行数学运算加上具体的一个数字
在这里插入图片描述

  • sub(other)

如果想要得到每天的涨跌大小？求出每天 close- open价格差
在这里插入图片描述

第二节 逻辑运算

逻辑运算符号<、 >、|、 &

  • 逻辑运算类型：>, >=, <, <=, ==, !=
  • 复合逻辑运算：&, |, ~ （与，或，非）

例如筛选p_change > 2的日期数据
data[‘p_change’] > 2返回逻辑结果
在这里插入图片描述
逻辑判断的结果可以作为筛选的依据
在这里插入图片描述
完成一个多个逻辑判断， 筛选p_change > 2并且open > 15
在这里插入图片描述
逻辑运算函数
data.query() <-- 直接得出结果数据
data.turnover.isin([4.19, 2.39]) <-- 生成bool系列，还需要索引才能得出数据

  • query(expr)
    • expr:查询字符串

通过query使得刚才的过程更加

最低0.47元/天 解锁文章

200万优质内容无限畅学
一文速学(十二)-数据分析之Pandas中DataFrame转换为时间格式数据与处理
master_hunter的博客
06-14 6604
由于在Pandas中经常要处理到时间序列数据，需要把一些object或者是字符、整型等某列进行转换为pandas可识别的datetime时间类型数据，方便时间的运算等操作。正好原来有篇文章特别是讲述一文速学-Pandas处理时间序列数据操作详解。这篇文章忽略掉了如何转换为时间序列数据，正好补上，这样就实现的Pandas处理时间数据的全部内容和方法了。大家如果经常要使用到pandas dataframe处理时间数据不妨将两篇文章细读收藏，可以解决绝大多数处理时间序列的问题。有任何疑惑或者是问题可随时在评论区提
【Pandas】DataFrame运算
CharlieTang的博客
08-04 698
目录数据预处理1. 算术运算2. 逻辑运算2.1 逻辑运算符号<、 >、|、 &2.2 逻辑运算函数3 统计运算3.1 describe()3.2 统计函数4 累计统计函数5 自定义运算 学习目标 算术运算【掌握】 逻辑运算【知道】 1.逻辑运算符号 2.逻辑运算函数 对象.query() 对象.isin() 统计运算【知道】 1.对象.describe() 2.统计函数 3.累积统计函数 自定义运算【知道】 apply(func, axis=0)
5 Pandas------5.4 DataFrame运算(算术运算、逻辑运算、统计运算、自定义运算)
程序猿-凡白的博客
07-09 1471
文章目录5.4 DataFrame运算学习目标1 算术运算2 逻辑运算2.1 逻辑运算符号2.2 逻辑运算函数3 统计运算3.1 describe3.2 统计函数3.3 累计统计函数4 自定义运算 ????文章代码???? 5.4 DataFrame运算 学习目标 目标 - 应用add等实现数据间的加、减法运算 - 应用逻辑运算符号实现数据的逻辑筛选 - 应用isin, query实现数据的筛选 - 使用describe完成综合统计 - 使用max, min, mean, std完成统计计算 - 使用id
Python Pandas 如何实现两个 DataFrame 相减？
最新发布
cda2024的博客
05-16 1026
通过今天的分享，相信大家都已经掌握了如何用 Python Pandas 实现两个 DataFrame 相减的基本方法。从简单的直接相减到灵活的subtract()方法，再到处理不同索引和列名的情况，每一步都在帮助我们更加精准地处理复杂的数据问题。希望这篇文章能对你有所帮助！最后，不妨想象一下这样的场景：当你面对一堆杂乱无章的数据表格时，只需几行简洁而优雅的 Pandas 代码就能轻松搞定一切。这不仅体现了技术的魅力，更是展现了作为CDA 数据分析师的专业素养。
pandas 3----DataFrame运算
alovelypeach的博客
01-17 831
文章目录一、算术运算-add，sub，mul,div二、逻辑运算1. 例如筛选p_change > 2的日期数据2. 完成一个多个逻辑判断， 筛选p_change > 2并且open > 153. 用逻辑运算函数query(values)和isin(values)三、统计运算1. describe() 一下子全部求出来 一、算术运算-add，sub，mul,div 二、逻辑运算 1. 例如筛选p_change > 2的日期数据 data['p_change'] > 2
Pandas(第十二集：DataFrame运算)
MMF博客园
05-10 383
Pandas(第十二集：DataFrame运算)
DataFrame数据运算操作
weixin_45687351的博客
01-02 1196
一. SQL风格操作 核心要义：将DataFrame 注册为一个临时视图view，然后就可以针对view直接执行各种sql临时视图有两种：session级别视图，global级别视图； session级别视图是Session范围内有效的，Session退出后，表就失效了； 全局视图则在application级别有效； 注意使用全局表时需要全路径访问：global_temp.people // ap...
Pandas—dataframe数据分析
qq_57669293的博客
04-23 1705
()方法返回的是去重之后的不同值，而nunique()方法则直接返回不同值的个数，并且在len（unique（））是包含空值的返回值，而nunique（）是不包含空值的，但是nunique（dropna=False。dataframe没有unique（）这个方法，只有nunique（）这个方法，而series有unique（）方法也有nunique（）方法。聚合函数有：max（），min（），mean（），count（），value_count（），unique（）,nunique（）等等。
数据分析必备：掌握 Pandas DataFrame 核心操作
fengshi_fengshi的专栏
11-14 1390
本篇文章将主要介绍 Pandas 库中 DataFrame 对象的基础方法，通过学习掌握这些基础方法，我们可以高效地进行数据预处理、计算等操作，为后续的数据分析打下坚实的基础。
pandas DataFrame运算的实现
09-16
主要介绍了pandas DataFrame运算的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Pandas学习笔记（Series, DataFrame, 运算， pandas数据处理）
jason_cdd的博客
09-03 1529
Pandas是基于NumPy的一种工具，有Series和DataFrame两大核心数据结构，是python机器学习三剑客之一。 一、Series Series对象是一个一维的数据类型，由索引Index和值Value组成的，一个Index对应一个Value。其中Index是Pandas中的Index对象。Value是NumPy中的数组对象。 （1）Series创建 (a)由列表或NumPy数组创建，默认索引为0到N-1的整数型索引，例如： from pandas import Series s1 = Ser
Python DataFrame.groupby()聚合函数,分组级运算
12-24
pandas提供了一个灵活高效的groupby功能，它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。根据一个或多个键（可以是函数、数组或DataFrame列名）拆分pandas对象。计算分组摘要统计，如计数、平均值、标准差，或用户自定义函数。对DataFrame的列应用各种各样的函数。应用组内转换或其他运算，如规格化、线性回归、排名或选取子集等。计算透视表或交叉表。执行分位数分析以及其他分组分析。 groupby分组函数： 　　返回值：返回重构格式的DataFrame，特别注意，groupby里面的字段内的数据重构后都会变成索引 　　groupby(),一般和sum()、mean
数据分析第三篇——Pandas之DataFrame的运算(算数运算、逻辑运算、统计运算与自定义运算)
m0_45654959的博客
04-13 1860
3.3 DataFrame运算 3.3.1算数运算 算数运算符 算数运算函数 3.3.2 逻辑运算 逻辑运算符 布尔索引 逻辑运算函数 3.3.3 统计运算 3.3.4 自定义运算 3.3.1 算数运算 使用算术运算符 使用算数运算函数 add(other)——加 sub(other)——减 1. 使用算数运算符 data['open'].head() trade...
pandas笔记（7）DataFrame数学运算
weixin_44830542的博客
08-28 5276
数据运算 1. 运算 加运算 整体增加一个值 import numpy as np import pandas as pd df = pd.DataFrame(np.arange(16).reshape((4,4)),index = list('abcd'),columns=['A','B','C','D']) # 返回 A B C D a 0 1 2 3 b 4 5 6 7 c 8 9 10 11 d 12 13 14 15 '''令每个值均加5''' df+5 # 返回 A B
DataFrame(7)：DataFrame运算——算术运算
数据分析与统计学之美
02-04 9489
1、DataFrame算术运算 加：add 或 + 减：sub 或 - 2、DataFrame与标量之间的运算(这个才是最重要的) 1）原始数据 x = [[np.nan,1,1,1,1],[2,2,np.nan,2,2],[3,3,3,3,3],[4,np.nan,4,4,4]] df = pd.DataFrame(x,columns=list("abcde")) display(df) ...
Pandas DataFrame使用实例1：英超积分榜
碧海蓝天
04-24 522
import pandas as pd 对表格的各种操作中总体上就可以分为4类：查，改，增，删。 下面我们来练习一个如何对DataFrame进行各种操作。 实例1：英超积分榜 用英超积分榜这个实例来熟悉下pandas中DataFrame的操作。首先从网上抠一个当前的英超积分榜，保存为ecxel格式。然后导入到pandas中，初始化为一个DataFrame。 df = pd.read_excel("C:\\Users\\CFSKA\\Documents\\tmp\\tmp\\英超积分表.xlsx", i
pandas使用query函数基于组合索引筛选dataframe的数据行（与and、或or、非not）
data+scenario+science+insight
03-15 5582
pandas使用query函数基于组合索引筛选dataframe的数据行（与and、或or、非not）
pandas使用与、或、非对dataframe的数据进行筛选(与关系数据筛选、或关系数据筛选、非关系数据筛选)
data+scenario+science+insight
11-20 2885
pandas使用与、或、非对dataframe的数据进行筛选(与关系数据筛选、或关系数据筛选、非关系数据筛选)
Pyspark:DataFrame的转化操作及行动操作
读万卷书 行万里路
07-17 3607
因为Spark DataFrame是基于RDD创建的，所以DataFrame的操作也可以分为两种类型：转化操作和行动操作。转化操作可以将Spark DataFrame转化为新的DataFrame，而不改变原有数据。转化操作都是惰性的，不会立即计算出来。而行动操作会触发所有转化操作的实际求值。......
评论
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