本文介绍: import pandas as pdIn[4]:#创建DataFrame# pd.Series(data=[12,2,3])pd.Series(data=[12,2,3],index=[1,3,5])Out[4]:1 123 25 3dtype: int64In[5]:inf={“11″:”gg“,”33″:”rr“}data=pd.Series(inf)# data.values# data[1]# data.indexd

import pandas as pd

In [2]:

#创建DataFrame
# pd.Series(data=[12,2,3])
pd.Series(data=[12,2,3],index=[1,3,5])

Out[2]:

1    12
3     2
5     3
dtype: int64

In [3]:

inf={"11":"gg","33":"rr"}
data=pd.Series(inf)
# data.values
# data[1]
# data.index
data+"mm"

Out[3]:

11    ggmm
33    rrmm
dtype: object

In [11]:

#DataFrame
# df=pd.DataFrame([[1,3,6],[7,9,3]])
df=pd.DataFrame(data=([[1,3,6],[7,9,3]]),index=("xiao","mgf"),columns=("语文","数学","yield"))
df

Out[11]:

语文 数学 yield
xiao 1 3 6
mgf 7 9 3

In [12]:

# df.数学
df["数学"]
df.index
df.columns
df.values

Out[12]:

array([[1, 3, 6],
       [7, 9, 3]], dtype=int64)

In [13]:

#添加  删除
df["历史"]=["33","44"]
df

Out[13]:

语文 数学 yield 历史
xiao 1 3 6 33
mgf 7 9 3 44

In [14]:

del df["yield"]
df

Out[14]:

语文 数学 历史
xiao 1 3 33
mgf 7 9 44

In [15]:

#索引只能整体设置,不能单独设置
df.index=["小红","小马"]
df

Out[15]:

语文 数学 历史
小红 1 3 33
小马 7 9 44

In [16]:

#int64index
pd.DataFrame(data=[2,3,6],index=[6,7,8]).index

Out[16]:

Int64Index([6, 7, 8], dtype='int64')

In [17]:

#multiIndex 层次化索引
dd=pd.DataFrame({"year":[2021,2022,2023],"moth":[12,11,3],"date":[5,7,9]}
               )
dd

Out[17]:

date moth year
0 5 12 2021
1 7 11 2022
2 9 3 2023

In [18]:

dd.set_index(["year","date"])

Out[18]:

moth
year date
2021 5 12
2022 7 11
2023 9 3

In [19]:

##重置索引,
ser_obj=pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
ser_obj

Out[19]:

a    1
b    2
c    3
d    4
e    5
dtype: int64

In [20]:

ser_obj.reindex(['a','b','c','r'])

Out[20]:

a    1.0
b    2.0
c    3.0
r    NaN
dtype: float64

In [21]:

ser_obj.reindex(['a','b','c','r'],fill_value=10)

Out[21]:

a     1
b     2
c     3
r    10
dtype: int64

In [35]:

ser_re=pd.Series([2,3,5,6],index=[0,2,4,6])
ser_re

Out[35]:

0    2
2    3
4    5
6    6
dtype: int64

In [23]:

# ser_re.reindex(range(4),method="ffill")#前置填充
ser_re.reindex(range(4),method="bfill")#后置填充

Out[23]:

0    2
1    3
2    3
3    5
dtype: int64

In [47]:

#索引的操作
ser_obj=pd.Series([2,3,4,6],index=['a','b','c','d'])
# ser_obj[1]
# ser_obj['c']
#切片
# ser_obj[2:4]
ser_obj[[2,3]]

Out[47]:

c    4
d    6
dtype: int64

In [48]:

# ser_obj['b':'d']
ser_obj[['b','d']]

Out[48]:

b    3
d    6
dtype: int64

In [49]:

#bool索引
ser_obj>2

Out[49]:

a    False
b     True
c     True
d     True
dtype: bool

In [50]:

ser_obj[ser_obj>2]

Out[50]:

b    3
c    4
d    6
dtype: int64

In [52]:

#DataFrame索引方式
import numpy as np

In [53]:

data_ob=pd.DataFrame(np.arange(12).reshape((3,4)),columns=['a','b','c','d'])
data_ob

Out[53]:

a b c d
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11

In [61]:

# data_ob['b']
data_ob[['a','b']]  #只针对列,行不行,如data_ob[2]

Out[61]:

a b
0 0 1
1 4 5
2 8 9

In [57]:

data_ob[:2]

Out[57]:

a b c d
0 0 1 2 3
1 4 5 6 7

In [59]:

data_ob[:2][['a','b']]

Out[59]:

a b
0 0 1
1 4 5

In [67]:

#使用loc  iloc完成先行后列
# data_ob.loc[:,['a','c']]
data_ob.loc[:,'b':'d']

Out[67]:

b c d
0 1 2 3
1 5 6 7
2 9 10 11

In [68]:

data_ob.iloc[:1,:2]

Out[68]:

a b
0 0 1

In [ ]:


原文地址:https://blog.csdn.net/manmanlu2006/article/details/124206154

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任

如若转载,请注明出处:http://www.7code.cn/show_21532.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱suwngjj01@126.com进行投诉反馈,一经查实,立即删除

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注