1. 创建方法
import numpy as np
import pandas as pd
# 通过Series创建
s1 = pd.Series([1, 2, 3])
s2 = pd.Series([4, 5, 6])
df = pd.DataFrame({"1": s1, "2": s2})
print(df)
1 2
0 1 4
1 2 5
2 3 6
# 通过字典创建
# 可以通过columns属性指定列的顺序
df = pd.DataFrame(
{
"id": [1, 2, 3],
"name": ["孙笑川", "药水哥", "Giao哥"],
"age": [33, 30, 33]
}
)
print(df)
id name age
0 1 孙笑川 33
1 2 药水哥 30
2 3 Giao哥 33
2. 属性
| 属性 | 说明 |
|---|
| index | 行索引 |
| values | 值 |
| dtypes | 元素类型 |
| shape | 形状 |
| ndim | 维度 |
| size | 元素个数 |
| columns | 列标签 |
| loc[] | 显示索引，按行列标签索引或切片 |
| iloc[] | 隐式索引，按行列位置索引或切片 |
| at[] | 使用行列标签访问指定元素 |
| iat[] | 使用行列位置访问指定元素 |
| T | 行列转置 |
print("行索引：", df.index)
print("列标签", df.columns)
print("值：", df.values)
行索引： RangeIndex(start=0, stop=3, step=1)
列标签 Index(['id', 'name', 'age'], dtype='object')
值： [[1 '孙笑川' 33]
[2 '药水哥' 30]
[3 'Giao哥' 33]]
print("形状：", df.shape)
print("维度：", df.ndim)
print("数据类型：")
print(df.dtypes)
形状： (3, 3)
维度： 2
数据类型：
id int64
name object
age int64
dtype: object
# 行数据
# loc
print(df.loc[1])
print("==================")
# iloc
print(df.iloc[1])
id 2
name 药水哥
age 30
Name: 1, dtype: object
==================
id 2
name 药水哥
age 30
Name: 1, dtype: object
# 列数据
print(df.loc[:, 'name'])
print("==================")
print(df.iloc[:, 1])
0 孙笑川
1 药水哥
2 Giao哥
Name: name, dtype: object
==================
0 孙笑川
1 药水哥
2 Giao哥
Name: name, dtype: object
# 获取指定元素
print(df.at[0, 'name'])
print("==================")
print(df.iat[0, 1])
print("==================")
print(df.loc[0, 'name'])
print("==================")
print(df.iloc[0, 1])
孙笑川
==================
孙笑川
==================
孙笑川
==================
孙笑川
# 行列转置
#print(df.T)
# 获取单列数据
print(df['name'])
print("==================")
print(df.name)
print("==================")
column = df[['name']]
print(column)
print(type(column))
0 孙笑川
1 药水哥
2 Giao哥
Name: name, dtype: object
==================
0 孙笑川
1 药水哥
2 Giao哥
Name: name, dtype: object
==================
name
0 孙笑川
1 药水哥
2 Giao哥
<class 'pandas.core.frame.DataFrame'>
# 多列数据
print(df[['name', 'age']])
name age
0 孙笑川 33
1 药水哥 30
2 Giao哥 33
# 获取部分数据
print(df.head(2))
print("==================")
print(df.tail(2))
id name age
0 1 孙笑川 33
1 2 药水哥 30
==================
id name age
1 2 药水哥 30
2 3 Giao哥 33
# 布尔索引
print(df[df.age > 32])
print("==================")
print(df[(df.age > 32) & (df.id == 1)])
id name age
0 1 孙笑川 33
2 3 Giao哥 33
==================
id name age
0 1 孙笑川 33
# 随机抽样
print(df.sample(2))
id name age
0 1 孙笑川 33
2 3 Giao哥 33
3. 常用方法
| 方法 | 说明 |
|---|
| head() | 获取前n行数据，默认值5 |
| tail() | 获取后n行数据，默认值5 |
| isin() | 判断元素是否包含在参数集合中 |
| isna() | 判断每一个元素是否为缺失值（NaN/None） |
| sum() | 求和，自动忽略缺失值 |
| mean() | 平均值 |
| min() | 最小值 |
| max() | 最大值 |
| var() | 方差 |
| std() | 标准差 |
| median() | 中位数 |
| mode() | 众数（可以有多个返回值） |
| quantile(q) | 分位数，q取值范围为：0~1 |
| describe() | 常见统计信息（count、mean、std、min、25%、50%、75%、max） |
| value_counts() | 每个唯一值的出现次数 |
| count() | 非缺失值数量 |
| duplicated() | 是否重复 |
| drop_duplicates() | 去除重复项 |
| sample() | 随机抽样 |
| replace() | 替换 |
| sort_index() | 按索引排序 |
| sort_values() | 按值排序 |
| nlargest() | 返回某列最大的n条数据 |
| nsmallest() | 返回某列最小的n条数据 |
df = pd.DataFrame(
{
"id": [1, 2, 3],
"name": ["孙笑川", "药水哥", "Giao哥"],
"age": [33, 30, 31],
"address": ["成都", "武汉", "河南"]
}
)
print(df)
id name age address
0 1 孙笑川 33 成都
1 2 药水哥 30 武汉
2 3 Giao哥 31 河南
print(df.head(1))
print("============================")
print(df.tail(1))
id name age address
0 1 孙笑川 33 成都
============================
id name age address
2 3 Giao哥 31 河南
# 查看元素是否包含在参数集合中
print(df.isin(["药水哥", 31]))
id name age address
0 False False False False
1 False True False False
2 False False True False
# 查看元素是否是缺失值
print(df.isna())
id name age address
0 False False False False
1 False False False False
2 False False False False
# 求和
print(df.sum())
print("============================")
print(df.age.sum())
id 6
name 孙笑川药水哥Giao哥
age 94
address 成都武汉河南
dtype: object
============================
94
# 最值
print(df.age.max())
print(df.name.min())
33
Giao哥
# 平均数
print(df.age.mean())
# 中位数
print(df.age.median())
# 众数
print(df.age.mode())
31.333333333333332
31.0
0 30
1 31
2 33
Name: age, dtype: int64
# 标准差
print(df.age.std())
# 方差
print(df.age.var())
# 分位数
print(df.age.quantile(0.25))
1.5275252316519468
2.3333333333333335
30.5
# 描述信息
print(df.describe())
id age
count 3.0 3.000000
mean 2.0 31.333333
std 1.0 1.527525
min 1.0 30.000000
25% 1.5 30.500000
50% 2.0 31.000000
75% 2.5 32.000000
max 3.0 33.000000
# 每一列中非缺失值的个数
print(df.count())
id 3
name 3
age 3
address 3
dtype: int64
# 每一个唯一值的出现次数
print(df.value_counts())
id name age address
1 孙笑川 33 成都 1
2 药水哥 30 武汉 1
3 Giao哥 31 河南 1
Name: count, dtype: int64
# 去重
print(df.drop_duplicates())
id name age address
0 1 孙笑川 33 成都
1 2 药水哥 30 武汉
2 3 Giao哥 31 河南
# 判重
print(df.duplicated())
print("============================")
# 指定列判重
print(df.duplicated(subset="name"))
0 False
1 False
2 False
dtype: bool
============================
0 False
1 False
2 False
dtype: bool
# 随机抽样
print(df.sample())
id name age address
2 3 Giao哥 31 河南
# replace
print(df.replace(30, 35))
id name age address
0 1 孙笑川 33 成都
1 2 药水哥 35 武汉
2 3 Giao哥 31 河南
# 累计和
print(df.cumsum())
print("============================")
# 参数 axis 0：按列累计，1按行累计
# 注：累计时需确保元素类型一直
print(df.cummax(axis=0))
id name age address
0 1 孙笑川 33 成都
1 3 孙笑川药水哥 63 成都武汉
2 6 孙笑川药水哥Giao哥 94 成都武汉河南
============================
id name age address
0 1 孙笑川 33 成都
1 2 药水哥 33 武汉
2 3 药水哥 33 河南
# 排序
print(df.sort_index())
print("============================")
# 按值排序时需指定按哪一列排
print(df.sort_values(by='name'))
print("============================")
# 多列排序，并指定排序方式 False：倒序 True：升序
print(df.sort_values(by=['name', 'age'], ascending=[False, False]))
id name age address
0 1 孙笑川 33 成都
1 2 药水哥 30 武汉
2 3 Giao哥 31 河南
============================
id name age address
2 3 Giao哥 31 河南
0 1 孙笑川 33 成都
1 2 药水哥 30 武汉
============================
id name age address
1 2 药水哥 30 武汉
0 1 孙笑川 33 成都
2 3 Giao哥 31 河南
print(df.nlargest(2, columns=['age']))
print("============================")
print(df.nsmallest(2, columns=['age']))
id name age address
0 1 孙笑川 33 成都
2 3 Giao哥 31 河南
============================
id name age address
1 2 药水哥 30 武汉
2 3 Giao哥 31 河南
评论 (0)