pandas基础运算和合并示例

最新推荐文章于 2024-11-23 14:15:25 发布
最新推荐文章于 2024-11-23 14:15:25 发布
阅读量247 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_46172092/article/details/104549653
版权
本文将介绍Pandas库的基础数据操作，包括数据读取、数据清洗、数据筛选，以及如何进行数据合并和连接操作。通过实例展示如何利用Pandas进行数据处理，为数据分析工作打下坚实基础。

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

{
   
 "cells": [
  {
   
   "cell_type": "markdown",
   "metadata": {
   },
   "source": [
    "### Python数据分析的三剑客"
   ]
  },
  {
   
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {
   },
   "outputs": [],
   "source": [
    "import numpy as np\n",
    "\n",
    "import pandas as pd\n",
    "\n",
    "# pip install matplotlib\n",
    "# 画图，可视化！\n",
    "# 头号玩家，虚拟现实游戏，可视化，立体化\n",
    "import matplotlib.pyplot as plt"
   ]
  },
  {
   
   "cell_type": "markdown",
   "metadata": {
   },
   "source": [
    "### 生成对象"
   ]
  },
  {
   
   "cell_type": "code",
   "execution_count": 3,
   "metadata": {
   
    "collapsed": true
   },
   "outputs": [
    {
   
     "data": {
   
      "text/plain": [
       "张三       88.0\n",
       "李四      103.0\n",
       "王五       68.0\n",
       "老路      134.0\n",
       "Jack     99.0\n",
       "Name: Python, dtype: float32"
      ]
     },
     "execution_count": 3,
     "metadata": {
   },
     "output_type": "execute_result"
    }
   ],
   "source": [
    "# 一维的\n",
    "s = pd.Series(data = [88,103,68,134,99],index = ['张三','李四','王五','老路','Jack'],\n",
    "              dtype=np.float32,name = 'Python')\n",
    "s"
   ]
  },
  {
   
   "cell_type": "code",
   "execution_count": 9,
   "metadata": {
   
    "collapsed": true
   },
   "outputs": [
    {
   
     "data": {
   
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>Python</th>\n",
       "      <th>En</th>\n",
       "      <th>数学</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>张三</th>\n",
       "      <td>104</td>\n",
       "      <td>31</td>\n",
       "      <td>72</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>李四</th>\n",
       "      <td>50</td>\n",
       "      <td>62</td>\n",
       "      <td>108</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>王五</th>\n",
       "      <td>79</td>\n",
       "      <td>51</td>\n",
       "      <td>98</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>老路</th>\n",
       "      <td>87</td>\n",
       "      <td>5</td>\n",
       "      <td>2</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>Jack</th>\n",
       "      <td>144</td>\n",
       "      <td>59</td>\n",
       "      <td>31</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "      Python  En   数学\n",
       "张三       104  31   72\n",
       "李四        50  62  108\n",
       "王五        79  51   98\n",
       "老路        87   5    2\n",
       "Jack     144  59   31"
      ]
     },
     "execution_count": 9,
     "metadata": {
   },
     "output_type": "execute_result"
    }
   ],
   "source": [
    "df = pd.DataFrame(data = np.random.randint(0,150,size=(5,3)),\n",
    "             index = ['张三','李四','王五','老路','Jack'],\n",
    "             columns=['Python','En','数学'])\n",
    "df"
   ]
  },
  {
   
   "cell_type": "markdown",
   "metadata": {
   },
   "source": [
    "### 查看数据"
   ]
  },
  {
   
   "cell_type": "code",
   "execution_count": 11,
   "metadata": {
   },
   "outputs": [
    {
   
     "data": {
   
      "text/plain": [
       "68.0"
      ]
     },
     "execution_count": 11,
     "metadata": {
   },
     "output_type": "execute_result"
    }
   ],
   "source": [
    "s['王五']"
   ]
  },
  {
   
   "cell_type": "code",
   "execution_count": 13,
   "metadata": {
   
    "collapsed": true
   },
   "outputs": [
    {
   
     "data": {
   
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>Python</th>\n",
       "      <th>En</th>\n",
       "      <th>数学</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>张三</th>\n",
       "      <td>104</td>\n",
       "      <td>31</td>\n",
       "      <td>72</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>李四</th>\n",
       "      <td>50</td>\n",
       "      <td>62</td>\n",
       "      <td>108</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>王五</th>\n",
       "      <td>79</td>\n",
       "      <td>51</td>\n",
       "      <td>98</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "    Python  En   数学\n",
       "张三     104  31   72\n",
       "李四      50  62  108\n",
       "王五      79  51   98"
      ]
     },
     "execution_count": 13,
     "metadata": {
   },
     "output_type": "execute_result"
    }
   ],
   "source": [
    "df.head(3)"
   ]
  },
  {
   
   "cell_type": "code",
   "execution_count": 14,
   "metadata": {
   
    "collapsed": true
   },
   "outputs": [
    {
   
     "data": {
   
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n"
最低0.47元/天 解锁文章
Mr.Morton
关注
python 条件语句判断连续三个数_python基础4—条件判断和循环.ipynb
weixin_39588252的博客
12-18 1681
{"cells": [{"cell_type": "markdown","metadata": {},"source": ["# 条件判断和循环"]},{"cell_type": "markdown","metadata": {},"source": ["+ if语句\n","+ for循环\n","+ while循环\n","+ 列表生产式"]},{"cell_type": "markdown"...
超详细汇总，Pandas中常见的数据合并操作，59个案例，82张图详解 | 图解Pandas-图文第10篇...
Python数据之道
10-10 1245
01写在前面大家好，我是阳哥，欢迎来到「Python数据之道」。今天来跟大家分享《图解Pandas》系列图文内容的 第 10 篇，主要介绍 Pandas 中常见的数据合并操作 。本文是付费阅读文章，付费阅读内容包括《图解Pandas》图文干货内容、可以在电脑端观看的视频以及配套的源代码等。此外，为避免各种不必要的麻烦，微信没有退款机制，付费前请谨慎。Pandas 是 Python数据分析中用的最多...
pandas中的数据合并[join和merge]
最新发布
csddjudjjd的博客
11-23 1104
merge() 适用于更复杂的合并需求，特别是当需要基于不同的列或多个列进行合并时，merge() 提供了更多的灵活性。join() 适用于较为简单的基于行标签的合并操作，特别是当需要将多个 DataFrame 基于行标签对齐时，join() 可以简化操作。
python可视化基础知识(pandas表格运算，包括DataFrame的变换、合并、融合、运算、导入与导出等)
qq_44171096的博客
07-09 747
python可视化基础知识 import pandas as pd import numpy as np #实现同一个cell输出多个结果 from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all" 1.表格的变换 使用plotine包绘图或者分组groupby()计算处理时，通常是使用一维数据列表的DataFrame.若导入的数据表格为二维数据列表则
numpy & pandas (5) 合并与分割
weixin_41004521的博客
08-25 590
一、合并 import numpy as np a = np.array([1, 1, 1]) b = np.array([2, 2, 2]) c = np.vstack((a, b))       # vertical stack  纵向合并 d = np.hstack((a, b))       # horizontal stack 横向合并 e = np.vstack((a,b,b,a...
pandas基础使用教程.pdf
05-10
### pandas基础使用教程知识点概述 #### 1. pandas.Series `pandas.Series` 是一个一维数组对象，它能够保存任何数据类型（整型、字符串、浮点型等）。一个 `Series` 可以被看作是具有统一类型的数据数组，并且带有...
Python pandas自定义函数的使用方法示例
09-18
总结来说，Python pandas库的自定义函数功能强大，可以灵活处理各种数据操作，如数值运算、排序和数据重组。掌握这些技能将大大提高你在数据分析过程中的效率和灵活性。通过实践和理解这些示例，你将能够更好地应对...
Python pandas对excel的操作实现示例
09-16
每个列（column）在DataFrame中表现为Series，Series是pandas的基础数据结构，类似于numpy数组，但具备更多的数据处理功能。 在DataFrame中，可以通过两种方式访问列：`df1['column_name']`或`df1.column_name`。...
天池 pandas实践第二章pandas基础中所用的数据
05-22
我们可以借此机会复习Pandas的基本操作，如创建DataFrame、选择列、索引和切片数据、合并数据帧、数据清洗（处理缺失值和异常值）、数据转换（如数值转换为类别或日期解析）以及数据聚合（如计算平均值、中位数等...
5个必知必会的 Python 数据合并技巧
Python学习与数据挖掘
03-27 9117
大家好，前不久在我们技术交流群有群友提到最近他面试阿里70万总包的数据岗位，对方问Pandas的5种数据合并的函数，结果他只答出了2个。 那么，究竟是哪五个呢？今天，我们就来带大家了解一下！想加技术交流群的，文末获取 目录： 1. concat 2. append 3. merge 4. join 5. combine 总结 1. concat concat是pandas中专门用于数据连接合并的函数，功能非常强大，支持纵向合并和横向合并，默认情况下是纵向合并，具体可以通过参数进
数据清洗及特征处理
weixin_44098069的博客
08-22 400
{ “cells”: [ { “cell_type”: “markdown”, “metadata”: {}, “source”: [ “# 4.1开始之前，导入numpy、pandas包和数据” ] }, { “cell_type”: “code”, “execution_count”: 2, “metadata”: {}, “outputs”: [ { “data”: { “text/html”: [ “\n”, “\n”, “<table border=“1” class=“dataframe”
Pandas 合并数据集
CV前沿
04-13 6万+
在数据挖掘过程中，经常会有不同表格的数据需要进行合并操作。今天介绍通过python下的pandas库下的merge方法和concat方法来实现数据集的合并。1.mergemerge 函数通过一个或多个键来将数据集的行连接起来。该函数的主要 应用场景是针对同一个主键存在两张包含不同特征的表，通过该主键的连接，将两张表进行合并。合并之后，两张表的行数没有增加，列数是两张表的列数之和减一。 函数的具体参
pandas 合并某些行，合并计算
weixin_45903952的博客
02-18 1470
问题的提出： 想将几行合并，并只保留某一行，其余各行的数据汇总到保留行； 原始数据，按索引给加上姓名（学生+索引），只保留学生0，把学生0，学生1，学生2，学生5的数据累加至学生0行； 语文 类别 数学 政治 0 100 95 100 98 1 90 98 99 94 2 88 95 98 95 3 99 98 97 92 4 95 90 96 88 5 94 94 93 77 方法如下： import pa...
python dataframe拼接_pandas-数据的合并与拼接
weixin_39922394的博客
12-16 2053
Pandas包的merge、join、concat方法可以完成数据的合并和拼接，merge方法主要基于两个dataframe的共同列进行合并，join方法主要基于两个dataframe的索引进行合并，concat方法是对series或dataframe进行行拼接或列拼接。1. Merge方法pandas的merge方法是基于共同列，将两个dataframe连接起来。merge方法的主要参数：lef...
python基础六
return_min的博客
12-30 712
（4）字符串及转化 { "cells": [ { "cell_type": "markdown", "metadata": {}, "source": [ "# 1. 字符串基础 \n", "Python字符串是一个有序的字符的集合，被划分为不可变序列（immutable sequence）这一类别，用来存储和表现基于文本的信息。 \n", "在...
pandas实现多个excel合并统计
如是
07-16 1万+
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Ma...
python merge、concat合并数据集
热门推荐
三石
06-28 8万+
python 、pandas 合并数据集：.merge()、.concat()等方法
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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