pandas 切片_入门Pandas练习

本节主要是自己学习pandas的练习，与你分享。

导入Pandas与NumPy

import numpy as np
import pandas as pd

生成Series时，pandas默认生成整数索引，我们尝试一下。

s = pd.Series([23,2,5,np.nan,6,9])
s

使用时间索引与含有标签的Numpy数组生成DataFrame

dates = pd.date_range('20200101',periods=7)
dates

使用随机数生成一个7*4的数据表。

使用Series字典生成DataFrame

df2 = pd.DataFrame({'A':1.2,
                    'B':pd.Series(1,index=list(range(4)),dtype='float32'),
                    'C':pd.Timestamp('20200101'),
                    'D':np.array([3]*4,dtype='int32'),
                    'E':pd.Categorical(["test","tarin","test","train"]),
                    'F':'foo'})
df2

我们查看一下df2中每列的数据类型

df2.dtypes

下面进入数据查看环节，查看数据的前几行和结尾几行的数据：

df.head()#默认是5行

df.head(3)#可以输入数字查看相应行数

df.tail(3)#查看最后3行

显示索引与列名

快速的查看数据统计概要：

数据转置：

提取数据

获取单列数据，选择单列，产生Series，与df.A 等效

使用[ ]切片：

按标签选择，用标签提取一行数据

用标签选择多列数据

用标签切片，包含行与列结束点：

提取标量值：

使用整数位置选择

类似 NumPy / Python，用整数切片：

显示整行的切片：

显示整列的切片：

布尔索引，用单列的值选择数据：

提取出DataFrame 里满足条件的值：

使用isin筛选：

用索引自动对齐新增列的数据：

按标签赋值：

按位置赋值

按 NumPy 数组赋值：

Pandas 主要用 np.nan 表示缺失数据，计算时，默认不包含空值。 重建索引（reindex）可以更改、添加、删除指定轴的索引，并返回数据副本，即不更改原数据。

删除所有包含空值的行：

填充缺失值：

计算均值：

数值计数：

包含的字符串的处理功能str:

数据合并，pandas 提供了多种将 Series、DataFrame 对象组合在一起的功能，用索引与关联代数功能的多种设置逻辑可执行连接（join）与合并（merge）操作。

为 DataFrame 追加行:

分组，“group by” 指的是涵盖下列一项或多项步骤的处理流程：

分割：按条件把数据分割成多组；

应用：为每组单独应用函数；

组合：将处理结果组合成一个数据结构。

先分组，再用 sum()函数计算每组的汇总数据：

多列分组后，生成多层索引，也可以应用 sum 函数：

以上为学习所得，希望对你有帮助。