Python数据处理库pandas基本使用

本文详细介绍了Pandas库中的两种主要数据类型:Series和DataFrame。Series可用于生成数据索引,并支持多种构建方式,如从字典、ndarray或列表构建。DataFrame则适用于表达二维数据,由索引和多列数据构成,每列数据类型可不同,支持从二维ndarray、一维列表、Series或其它DataFrame创建。

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

---恢复内容开始---

  pandas提供过便于操作数据的数据类型,也提供了许多分析函数和分析工具,使得数据分析易于操作。

 

一、pandas库中Series类型

  Series可以生成数据的索引(自动索引和自定义索引),见下例:

    

Series可从标量(必须有index)、字典(直接应用Series函数)、ndarray、列表构建。

  基本操作:类似于ndarray和字典类型。可以用自定义索引b['b']=7, 也可以用自动生成的自动索引b[1]=7,但注意不可混合使用。如

b[['c', 'd', 0]]输出的第三个元素为NaN , 其切片和运算操作与ndarray基本相同,见下例:

    

 in 在列表或ndarray类型中表示某值是否在列表或ndarray中,而对于Series类型是判断是否在对象的索引列表中。

 b.get('f', 100) 返回索引值'f'对应的值,若没有则返回100 。

 两个Series类型a+b相加,得到Series类型c,则c的索引值为a和b索引值的并,c的值分为两种情况,若索引值在a和b中都存在,则对应值相加;否则(只存在于a和b中的一个),对应值为空。

 可以给Series对象起名字,如b.name='匹配'。

 

二、Pandas库的DataFrame类型

  由索引和多列数据构成,可以理解为一个表格。其每列值的类型可以不同,且既有行索引也有列索引,常用于表达二维数据。

可由二维ndarray对象、一维列表等、Series类型、其他DataFrame类型创建。见下例:

    

 对于字典dl={'one':[1,2,3], 'two':[9,8,7]} 也可直接用pd.DataFrame(dt,index=['a', 'b', 'c', 'd'])来创建。

 若要获得某个位置的数据,需要用到行列的联合索引,如d['a']['one']=1.0

 d['one']可获得one对应的一列对象,包括行索引值。

 d.ix['a']可获得a对应的一行对象,包括列索引值。

 

---恢复内容结束---

转载于:https://www.cnblogs.com/pursing-Li/p/10041056.html

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