pandas

最新推荐文章于 2025-06-25 00:03:24 发布

weixin_43579079

最新推荐文章于 2025-06-25 00:03:24 发布

阅读量280

点赞数

CC 4.0 BY-SA版权

分类专栏： Python数据分析

本文链接：https://blog.youkuaiyun.com/weixin_43579079/article/details/102650505

Python数据分析专栏收录该内容

9 篇文章

订阅专栏

本文介绍了pandas库中的核心数据结构，包括Series和DataFrame。Series可以看作是一行或一列的数据，拥有索引，支持追加元素、判断存在和切片操作。DataFrame则类似于Excel表格，具备行、列、位置、行名和列名等概念，支持按行、按列、按行列号及按索引访问、删除和修改操作，同时可以方便地增加行和列。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据结构

1.系列

用于储存一行或者一列的数据，以及与之相关的索引的集合；（与列表相似）

from pandas import Series;
x = Series(['a',True, 1], index=['first','second','third']);

追加新元素
这里需要对追加的结果进行接收，这里与列表的方式不同！

n = Series(['2'])
x = x.append(n) # 追加的索引默认为0

判断存在:

'2' in x 
'2' in x.values

切片方式与列表相同，左闭右开；
删除：

x = x.drop(0) # 删除索引全部是0的内容
x = x.drop('first')
x = x.drop(x.index[3]) # 删除索引是第三个的所有内容

2.数据框

多行多列（相当于excel的表格）；
概念：行、列、位置、行名、列名；

from pandas import DataFrame

df = DataFrame({
	'age': [21,22,23],
	'name':['KEN','John','Jing']
})
# 自定义索引
df = DataFrame1(data = {
	'age': [21,22,23],
	'name':['KEN','John','Jing']
}, index = ['first','second','third']
)

按行访问

df['age']

按列访问
注意：访问第二行要使用1:2，而不能仅仅使用1

df[1:2]

按行列号访问；
按行索引和列名访问；

df.iloc[0:1,0:1]
df.at['first','age']

修改列名

df.columus = ['age2','name2']

修改行索引

df.index = range(1,4)

根据行索引删除整个行

df.drop(1)

根据列名删除整列
此时都不需要进行接收

df.drop('age2', axis = 1) # 按列要将轴参数改为1，默认为0
del df[age2]

增加行

df.loc[len(df)] = [24,"KEN"]

增加列

df['newColumn'] = [2,4,6,8]