pandas知識點（基本功能）

来源:https://www.cnblogs.com/l471151015/archive/2018/11/27/10024486.html
-Advertisement-
Play Games

1.重新索引 如果reindex會根據新索引重新排序，不存在的則引入預設： In [3]: obj = Series([4.5,7.2,-5.3,3.6], index=["d","b","a","c"]) In [4]: obj Out[4]: d 4.5 b 7.2 a -5.3 c 3.6 d ...


1.重新索引

如果reindex會根據新索引重新排序，不存在的則引入預設： 
In [3]: obj = Series([4.5,7.2,-5.3,3.6], index=["d","b","a","c"])
In [4]: obj
Out[4]:
d    4.5
b    7.2
a   -5.3
c    3.6
dtype: float64
In [6]: obj2 = obj.reindex(["a","b","c","d","e"])
In [7]: obj2
Out[7]:
a   -5.3
b    7.2
c    3.6
d    4.5
e    NaN
dtype: float64

 

ffill可以實現前向值填充： 
In [8]: obj3 = Series(["blue","purple","yellow"], index=[0,2,4])
In [9]: obj3.reindex(range(6), method="ffill")
Out[9]:
0      blue
1      blue
2    purple
3    purple
4    yellow
5    yellow
dtype: object

 

2.丟棄指定軸上的項 drop方法返回在指定軸上刪除了指定值的新對象： 
In [12]: obj = Series(np.arange(5.), index=["a","b","c","d","e"])
In [13]: new_obj = obj.drop("c")
In [14]: new_obj
Out[14]:
a    0.0
b    1.0
d    3.0
e    4.0
dtype: float64

DataFrame可以刪除任意軸上的索引值

  3.索引，選取和過濾 Series的索引可以不止是整數： 
In [4]: obj = Series(np.arange(4.), index=["a","b","c","d"])Out[6]:
a    0.0
b    1.0
dtype: float64
In [7]: obj[obj<2]
Out[7]:
a    0.0
b    1.0
dtype: float64

 

Series切片與普通的python切片不一樣，末端也是包含的： 
In [8]: obj["b":"c"]
Out[8]:
b    1.0
c    2.0
dtype: float64

 

DataFrame進行索引： 
In [10]: data
Out[10]:
          one  two  three  four
Ohio        0    1      2     3
Colorado    4    5      6     7
Utah        8    9     10    11
New York   12   13     14    15
In [11]: data['two']
Out[11]:
Ohio         1
Colorado     5
Utah         9
New York    13
Name: two, dtype: int32
In [12]: data[:2]
Out[12]:
          one  two  three  four
Ohio        0    1      2     3
Colorado    4    5      6     7

 

布爾型DataFrame進行索引： 
In [13]: data > 5
Out[13]:
            one    two  three   four
Ohio      False  False  False  False
Colorado  False  False   True   True
Utah       True   True   True   True
New York   True   True   True   True

 

利用ix可以選取行和列的子集： 
In [18]: data.ix['Colorado',['two','three']]
Out[18]:
two      5
three    6
Name: Colorado, dtype: int32
In [19]: data.ix[['Colorado','Utah'],[3,0,1]]
Out[19]:
          four  one  two
Colorado     7    4    5
Utah        11    8    9

 

4.算數運算和數據對齊 對不同索引的對象進行算數運算，如果存在不同的索引，則結果的索引取其並集： 
In [20]: s1 = Series([7.3,-2.5,3.4,1.5],index=['a','c','d','e'])
In [21]: s2 = Series([-2.1, 3.6, -1.5, 4, 3.1],index=['a','c','e','f','g'])
In [22]: s1+s2
Out[22]:
a    5.2
c    1.1
d    NaN
e    0.0
f    NaN
g    NaN
dtype: float64

 

對於DataFrame，對齊操作會同時發生在行和列上： 
In [26]: df1
Out[26]:
          b     d     e
Utah    0.0   1.0   2.0
Ohio    3.0   4.0   5.0
Texas   6.0   7.0   8.0
Oregon  9.0  10.0  11.0
In [27]: df2
Out[27]:
            b    c    d
Ohio      0.0  1.0  2.0
Texas     3.0  4.0  5.0
Colorado  6.0  7.0  8.0
In [28]: df1+df2
Out[28]:
            b   c     d   e
Colorado  NaN NaN   NaN NaN
Ohio      3.0 NaN   6.0 NaN
Oregon    NaN NaN   NaN NaN
Texas     9.0 NaN  12.0 NaN
Utah      NaN NaN   NaN NaN

 

使用add方法相加： 
In [30]: df2.add(df1,fill_value=0)
Out[30]:
            b    c     d     e
Colorado  6.0  7.0   8.0   NaN
Ohio      3.0  1.0   6.0   5.0
Oregon    9.0  NaN  10.0  11.0
Texas     9.0  4.0  12.0   8.0
Utah      0.0  NaN   1.0   2.0

 

5.DataFrame和Series之間的運算： 計算二維數組和某一行的差： 
In [31]: arr = np.arange(12.).reshape((3,4))
In [32]: arr
Out[32]:
array([[ 0.,  1.,  2.,  3.],
       [ 4.,  5.,  6.,  7.],
       [ 8.,  9., 10., 11.]])
In [33]: arr - arr[1]
Out[33]:
array([[-4., -4., -4., -4.],
       [ 0.,  0.,  0.,  0.],
       [ 4.,  4.,  4.,  4.]])

 

DataFrame和Series之間的運算： 
In [35]: frame = DataFrame(np.arange(12.).reshape((4,3)),columns=list('bde'),index=['Utah','Ohio','Texas','Oregon'])
In [39]: series = frame.iloc[0]
In [40]: frame
Out[40]:
          b     d     e
Utah    0.0   1.0   2.0
Ohio    3.0   4.0   5.0
Texas   6.0   7.0   8.0
Oregon  9.0  10.0  11.0
In [41]: series
Out[41]:
b    0.0
d    1.0
e    2.0
Name: Utah, dtype: float64
In [43]: frame - series
Out[43]:
          b    d    e
Utah    0.0  0.0  0.0
Ohio    3.0  3.0  3.0
Texas   6.0  6.0  6.0
Oregon  9.0  9.0  9.0

 

如果某個索引值找不到，則與運算的兩個對象會被重新索引以形成並集： 
In [45]: frame + series2
Out[45]:
          b   d     e   f
Utah    0.0 NaN   3.0 NaN
Ohio    3.0 NaN   6.0 NaN
Texas   6.0 NaN   9.0 NaN
Oregon  9.0 NaN  12.0 NaN

 

匹配列併在列上廣播： 
In [46]: series3 = frame['d']
In [47]: frame.sub(series3, axis=0)
Out[47]:
          b    d    e
Utah   -1.0  0.0  1.0
Ohio   -1.0  0.0  1.0
Texas  -1.0  0.0  1.0
Oregon -1.0  0.0  1.0

 

6.函數應用和映射 Numpy的ufuncs也可用於操作pandas對象： 
In [49]: frame = DataFrame(np.random.randn(4,3), columns=list('bde'),index=['Utah','Ohio','Texas','Oregon'])
In [50]: frame
Out[50]:
               b         d         e
Utah    0.913051 -1.289725 -0.590573
Ohio    1.417612 -1.835357 -0.010755
Texas   0.328839 -0.121878 -1.209583
Oregon  1.315330 -1.026557 -1.777427
 
In [51]: np.abs(frame)
Out[51]:
               b         d         e
Utah    0.913051  1.289725  0.590573
Ohio    1.417612  1.835357  0.010755
Texas   0.328839  0.121878  1.209583
Oregon  1.315330  1.026557  1.777427
DataFrame的apply方法可以實現將函數應用到由各行或列形成的一維數組上：
In [52]: f = lambda x:x.max() - x.min()
In [53]: frame.apply(f)
Out[53]:
b    1.088773
d    1.713479
e    1.766671
dtype: float64
In [54]: frame.apply(f, axis=1)
Out[54]:
Utah      2.202776
Ohio      3.252969
Texas     1.538421
Oregon    3.092757
dtype: float64

 

7.排序和排名 sort_index方法可以返回一個已排序的對象 
In [57]: obj = Series(range(4), index=['d','a','b','c'])
In [58]: obj
Out[58]:
d    0
a    1
b    2
c    3
dtype: int64
In [59]: obj.sort_index
Out[59]:
<bound method Series.sort_index of d    0
a    1
b    2
c    3
dtype: int64>
In [62]: frame.sort_index()
Out[62]:
               b         d         e
Ohio    1.417612 -1.835357 -0.010755
Oregon  1.315330 -1.026557 -1.777427
Texas   0.328839 -0.121878 -1.209583
Utah    0.913051 -1.289725 -0.590573
In [63]: frame.sort_index(axis=1)
Out[63]:
               b         d         e
Utah    0.913051 -1.289725 -0.590573
Ohio    1.417612 -1.835357 -0.010755
Texas   0.328839 -0.121878 -1.209583
Oregon  1.315330 -1.026557 -1.777427

 

倒序查看： 
In [65]: frame.sort_index(axis=1,ascending=False)
Out[65]:
               e         d         b
Utah   -0.590573 -1.289725  0.913051
Ohio   -0.010755 -1.835357  1.417612
Texas  -1.209583 -0.121878  0.328839
Oregon -1.777427 -1.026557  1.315330

 

按某一列的值進行排序： 
In [67]: frame.sort_values(by='b')
Out[67]:
               b         d         e
Texas   0.328839 -0.121878 -1.209583
Utah    0.913051 -1.289725 -0.590573
Oregon  1.315330 -1.026557 -1.777427
Ohio    1.417612 -1.835357 -0.010755

 

排名（rank）與排序類似，它會設置一個排名值，並且可以根據某種規則破壞平級關係 
In [70]: obj
Out[70]:
0    7
1   -5
2    7
3    4
4    2
5    0
6    4
dtype: int64
In [71]: obj.rank()
Out[71]:
0    6.5
1    1.0
2    6.5
3    4.5
4    3.0
5    2.0
6    4.5
dtype: float64

 

根據值在原數據中出現的順序給出排名 
In [72]: obj.rank(method='first')
Out[72]:
0    6.0
1    1.0
2    7.0
3    4.0
4    3.0
5    2.0
6    5.0
dtype: float64

 

8.帶有重覆值的軸索引 使用is_unique查看值是否唯一 
In [73]: obj = Series(range(5),index=['a','a','b','b','c'])
In [74]: obj
Out[74]:
a    0
a    1
b    2
b    3
c    4
dtype: int64
In [75]: obj.index.is_unique
Out[75]: False

 

對重覆索引選取數據： 
In [76]: obj['a']
Out[76]:
a    0
a    1
dtype: int64

DataFrame也是同樣的道理


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • css3圖形繪製
    以下幾個例子主要是運用了css3中border、bordr-radius、transform、偽元素等屬性來完成的，我們先瞭解下它們的基本原理。 border：簡單的來說border語法主要包含（border-width、border-style、border-color）三個屬性。 „ borde ...
  • toastr操作完成提示框
    toastr.js組件 關於信息提示框，項目中使用的是toastr.js這個組件，這個組件最大的好處就是非同步、無阻塞，提示後可設置消失時間，並且可以將消息提示放到界面的各個地方。 官方文檔以及源碼 源碼網站：http://codeseven.github.io/toastr/ api：http:// ...
  • nodeJS搭一個簡單的(代理)web伺服器
    前端獲取數據時經常遇見跨域問題，以前一直用nginx做反向代理。最近在用vuejs，發現webpack-dev-server的代理簡單好用。於是仿照寫了一個簡單的web伺服器，用於非webpack的項目。 ...
  • 有效解決ajax傳中文時，亂碼的情況，php處理接收到的值
    在抽獎環節時，需把獲獎名單通過ajax的post方式傳輸給php後臺進行儲存，但是php接收到的值確是亂碼。在百度之後並沒有找到合適的解決方法。 則使用js的encodeURI函數可以有效解決，但不知為何需使用兩次。 此時傳輸的值獲取到的為： 則PHP使用urldecode函數處理獲取到的值。 則有 ...
  • 如何自定義CSS滾動條的樣式？
    歡迎大家前往騰訊雲+社區，獲取更多騰訊海量技術實踐乾貨哦~ 本文由前端林子發表 本文會介紹CSS滾動條選擇器，併在demo中展示如何在Webkit內核瀏覽器和IE瀏覽器中，自定義一個橫向以及一個縱向的滾動條。 0.需求 有的時候我們不想使用瀏覽器預設的滾動條樣式，因為不夠定製化和美觀。那麼如何自定義 ...
  • CSS筆記——屬性選擇器
    1.存在和值（Presence and value）屬性選擇器這些屬性選擇器嘗試匹配精確的屬性值：[attr]：該選擇器選擇包含 attr 屬性的所有元素，不論 attr 的值為何。[attr=val]：該選擇器僅選擇 attr 屬性被賦值為 val 的所有元素。[attr~=val]：該選擇器僅選 ...
  • 撩課-Web大前端每天5道面試題-Day1
    1. var的變數提升的底層原理是什麼? 2. JS如何計算瀏覽器的渲染時間? 3. JS的回收機制? 4. 垂直水平居中的方式? 5. 實現一個三欄佈局，中間版塊自適應方法有哪些? ...
  • 每天一個設計模式·代理模式
    "代理模式·原文地址" "更多《設計模式系列教程》" "更多免費教程" 博主按：《每天一個設計模式》旨在初步領會設計模式的精髓，目前採用 （_靠這吃飯_）和 （_純粹喜歡_）兩種語言實現。誠然，每種設計模式都有多種實現方式，但此小冊只記錄最直截了當的實現方式 :) 0. 項目地址 "本節課代碼" " ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類