免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版

打開APP
userphoto
未登錄

開通VIP,暢享免費電子書等14項超值服

開通VIP
Pandas DataFrame的基本屬性詳解

注:以下代碼均在Jupyter中運行的。

基本功能列表

import pandas as pd 導(dǎo)入庫

df = pd.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)
創(chuàng)建一個DataFrame

代碼功能
1DataFrame()創(chuàng)建一個DataFrame對象
2df.values返回ndarray類型的對象
3df.index獲取行索引
4df.columns獲取列索引
5df.axes獲取行及列索引
6df.T行與列對調(diào)
7df. info()打印DataFrame對象的信息
8df.head(i)顯示前 i 行數(shù)據(jù)
9df.tail(i)顯示后 i 行數(shù)據(jù)
10df.describe()查看數(shù)據(jù)按列的統(tǒng)計信息

1.創(chuàng)建一個DataFrame

DataFrame()函數(shù)的參數(shù)index的值相當(dāng)于行索引,若不手動賦值,將默認(rèn)從0開始分配。columns的值相當(dāng)于列索引,若不手動賦值,也將默認(rèn)從0開始分配。

data = {        '性別':['男','女','女','男','男'],        '姓名':['小明','小紅','小芳','大黑','張三'],        '年齡':[20,21,25,24,29]}df = pd.DataFrame(data,index=['one','two','three','four','five'],               columns=['姓名','性別','年齡','職業(yè)'])df

運行結(jié)果:

2. df.values 返回ndarray類型的對象

ndarray類型即numpy的 N 維數(shù)組對象,通常將DataFrame類型的數(shù)據(jù)轉(zhuǎn)換為ndarray類型的比較方便操作。如對DataFrame類型進(jìn)行切片操作需要df.iloc[ : , 1:3]這種形式,對數(shù)組類型直接X[ : , 1:3]即可。

X = df.valuesprint(type(X)) #顯示數(shù)據(jù)類型X

運行結(jié)果:

<class 'numpy.ndarray'>array([['France', 44.0, 72000.0],       ['Spain', 27.0, 48000.0],       ['Germany', 30.0, 54000.0],       ['Spain', 38.0, 61000.0],       ['Germany', 40.0, nan],       ['France', 35.0, 58000.0],       ['Spain', nan, 52000.0],       ['France', 48.0, 79000.0],       ['Germany', 50.0, 83000.0],       ['France', 37.0, 67000.0]], dtype=object)

3. df.index 獲取行索引

df.index

運行結(jié)果:

Index(['one', 'two', 'three', 'four', 'five'], dtype='object')

4. df.columns 獲取列索引

df.columns

運行結(jié)果:

Index(['姓名', '性別', '年齡', '職業(yè)'], dtype='object')

5. df.axes 獲取行及列索引

df.axes

運行結(jié)果:

[Index(['one', 'two', 'three', 'four', 'five'], dtype='object'), Index(['姓名', '性別', '年齡', '職業(yè)'], dtype='object')]

6. df.T index 與 columns 對調(diào)

df.T

運行結(jié)果:

7. df.info() 打印DataFrame對象的信息

df.info()

運行結(jié)果:

<class 'pandas.core.frame.DataFrame'>Index: 5 entries, one to fiveData columns (total 4 columns):姓名    5 non-null object性別    5 non-null object年齡    5 non-null int64職業(yè)    0 non-null objectdtypes: int64(1), object(3)memory usage: 200.0+ bytes

8.df.head(i) 顯示前 i 行數(shù)據(jù)

df.head(2)

運行結(jié)果:


若想要顯示前幾列數(shù)據(jù),可用df.T.head(i)

9. df.tail(i) 顯示后 i 行數(shù)據(jù)

df.tail(2)

運行結(jié)果:

10. df.describe() 查看數(shù)據(jù)按列的統(tǒng)計信息

可顯示數(shù)據(jù)的數(shù)量、缺失值、最小最大數(shù)、平均值、分位數(shù)等信息

本站僅提供存儲服務(wù),所有內(nèi)容均由用戶發(fā)布,如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請點擊舉報。
打開APP,閱讀全文并永久保存 查看更多類似文章
猜你喜歡
類似文章
《Python數(shù)據(jù)分析常用手冊》一、NumPy和Pandas篇
Pandas最詳細(xì)教程來了
pandas DataFrame對象列的獲取
pandas小記:pandas索引和選擇
Python 數(shù)據(jù)分析包:pandas 基礎(chǔ)
利用Python進(jìn)行數(shù)據(jù)分析
更多類似文章 >>
生活服務(wù)
分享 收藏 導(dǎo)長圖 關(guān)注 下載文章
綁定賬號成功
后續(xù)可登錄賬號暢享VIP特權(quán)!
如果VIP功能使用有故障,
可點擊這里聯(lián)系客服!

聯(lián)系客服