Python_DataFrame_常用操作

这篇博客详细介绍了Python中DataFrame数据结构的各种常见操作,包括数据读取、筛选、排序、聚合等核心功能,是Python数据分析初学者的重要参考资料。

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

DataFrame   数据常用操作 operations



import pandas as pd
import numpy as np

df1=pd.DataFrame({
'name':['a','b','c','d','a'],
'age':[20,18,17,16,15],
'class':[2000,2001,2000,2002,2000],
'score':[99,100,97,87,95]
})




In [6]:

df1.mean()           # 平均值

Out[6]:

age        17.2
class    2000.6
score      95.6
dtype: float64


In [7]:

df1['age'].mean()  #指定列平均值


Out[7]:

17.2

In [8]:


df1[['age','score']].mean()  #指定列平均值


Out[8]:

age      17.2
score    95.6
dtype: float64


In [9]:


df1.sum()

Out[9]:

name     abcda
age         86
class    10003
score      478
dtype: object


In [10]:

df1[['age','score']].sum()

Out[10]:

age       86
score    478
d
当涉及到使用Python进行数据分析时,pandas库中的DataFrame是一个非常强大和常用的工具。下面是一些常见的DataFrame操作1. 创建DataFrame: - 从列表或数组创建DataFrame:使用`pd.DataFrame()`函数,传入列表或数组。 - 从字典创建DataFrame:使用`pd.DataFrame()`函数,传入字典。 2. 查看DataFrame: - 查看前几行数据:使用`df.head(n)`,默认显示前5行。 - 查看后几行数据:使用`df.tail(n)`,默认显示后5行。 - 查看列名:使用`df.columns`。 - 查看索引:使用`df.index`。 - 查看数据类型:使用`df.dtypes`。 3. 选择数据: - 选择列:使用`df['column_name']`,返回Series对象。 - 选择多列:使用`df[['column1', 'column2']]`,返回DataFrame对象。 - 选择行:使用`.loc[]`或`.iloc[]`索引器,根据标签或位置选择行。 - 使用条件选择数据:使用布尔索引,如`df[df['column'] > 10]`。 4. 数据处理: - 添加列:使用`df['new_column'] = values`,可以将一个常量值或一个Series对象赋值给新列。 - 删除列:使用`df.drop(columns=['column1', 'column2'])`,可以删除指定的列。 - 修改列名:使用`df.rename(columns={'old_name': 'new_name'})`,可以修改指定列的名称。 - 处理缺失值:使用`df.dropna()`删除包含缺失值的行,使用`df.fillna(value)`填充缺失值。 5. 数据统计: - 汇总统计:使用`df.describe()`,返回关于数据的统计信息。 - 计算均值:使用`df.mean()`计算列的均值。 - 计算总和:使用`df.sum()`计算列的总和。 - 计算最大值、最小值、中位数:使用`df.max()`、`df.min()`、`df.median()`等。 6. 数据排序: - 按列排序:使用`df.sort_values(by='column')`,可以按照指定的列对数据进行排序。 - 按索引排序:使用`df.sort_index()`,可以按照索引对数据进行排序。 7. 数据分组和聚合: - 使用`df.groupby('column')`进行分组,然后可以对分组后的数据进行聚合操作,如求和、平均值等。 这只是一些常见的DataFrame操作,还有很多其他功能可以在pandas文档中找到。希望这些常用操作对你在数据分析中有所帮助!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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