python数据处理—pandas相关函数的使用(持续更新）

drop函数的用法

1.DataFrame.drop(self，labels = None，axis = 0，index = None，columns = None，level = None，inplace = False，errors =‘raise’ )

通过指定标签名称和轴，或者直接指定索引或列名称来直接删除行或列。

常用参数含义：

labels : 标签表示索引或列

axis : 指定轴，axis = 0(删除行) axis = 1(删除列)

index : 索引(行) labels, axis=0相当于index=labels

columns : 列 labels, axis=1相当于columns=labels

inplace :布尔类型，默认值为false。采用inplace=True之后，原数组名对应的内存值直接改变
2.drop([ ],axis=0,inplace=True)默认情况下删除某一行，在原来的数据上直接改变

shape函数的用法

pandas是python中处理csv文件常用的一个库
data.shape[0]输出行数
data.shape[1]输出列数
data.shape返回的元组
例子：

import pandas as pd
path =  '西瓜数据集2.1.csv'
data = pd.read_csv(path, header=None)
print(data)
print('data.shape:', data.shape)
print('data.shape[0]:', data.shape[0])
print('data.shape[1]:', data.shape[1])
    

'''    0   1   2   3   4   5   6
0   色泽  根蒂  敲声  纹理  脐部  触感  好瓜
1   青绿  蜷缩  浊响  清晰  凹陷  硬滑   1
2   乌黑  蜷缩  沉闷  清晰  凹陷  硬滑   1
3   乌黑  蜷缩  浊响  清晰  凹陷  硬滑   1
4   青绿  蜷缩  沉闷  清晰  凹陷  硬滑   1
5   浅白  蜷缩  浊响  清晰  凹陷  硬滑   1
6   青绿  稍蜷  浊响  清晰  稍凹  软粘   1
7   乌黑  稍蜷  浊响  稍糊  稍凹  软粘   1
8   乌黑  稍蜷  浊响  清晰  稍凹  硬滑   1
9   乌黑  稍蜷  沉闷  稍糊  稍凹  硬滑   0
10  青绿  硬挺  清脆  清晰  平坦  软粘   0
11  浅白  硬挺  清脆  模糊  平坦  硬滑   0
12  浅白  蜷缩  浊响  模糊  平坦  软粘   0
13  青绿  稍蜷  浊响  稍糊  凹陷  硬滑   0
14  浅白  稍蜷  沉闷  稍糊  凹陷  硬滑   0
15  乌黑  稍蜷  浊响  清晰  稍凹  软粘   0
16  浅白  蜷缩  浊响  模糊  平坦  硬滑   0
17  青绿  蜷缩  沉闷  稍糊  稍凹  硬滑   0
data.shape: (18, 7)
data.shape[0]: 18
data.shape[1]: 7
'''

sorted函数的用法

sorted()作为python内置函数之一，该功能就是对序列（列表，元祖，字典，集合，还包括字符串）进行排序。
sorted()函数的基本语法格式如下：
list=sorted(iterable,key=None,reverse=False)
其中，iterable表示指定的序列，key参数可以自定义排序规则，reverse参数指定以升序（False,默认）还是降序(True)进行排序
sorted()函数会返回一个排好序的列表，注意，key参数和reverse参数是可选参数
与sort函数的区别
对数组

a = [3, 2, 4]
sorted(a)
print(a)
print(sorted(a))

[3, 2, 4]
[2, 3, 4]

对元组

a = (3, 2, 4)
print(sorted(a))