• Python實訓-15天-博客匯總表

目錄

1、Pandas

1.1、安裝Pandas庫

1.2、兩種數據對象

2、一列數據Series

2.1、獲取Series與數據個數

2.2、切片-loc-iloc

2.3、更改元素-刪除元素

2.4、Series課堂練習

2.5、編程思想

3、多列數據DataFrame數據幀

3.1、賦值與索引

3.2、訪問元素與切片

3.3、修改元素值

3.4、刪除與增加行列

4、課堂練習

4.1、練習1

4.1.1、解法一

4.1.2、解法二

4.2、練習2

---

1、Pandas

今天：Pandas與表格數據處理（盡量完成）

下周：OS文件系統(tǒng)操作、面向對象、綜合練習(大作業(yè)中涉及到的技能點在這里講解)、大作業(yè)(2天半左右)[下周提前布置題目]

excel表處理 - 小的爬蟲demo? ? ? ? ?鍛煉編程能力

1.1、安裝Pandas庫

安裝pandas庫：pip install pandas -i [清華鏡像]，pip install pandas -i? https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

?引入庫：import pandas as pd，as pd：取別名。

1.2、兩種數據對象

兩種類型的對象數據：

Series：(系列)一列數據

DataFrame：(數據幀)多列數據(表)

2、一列數據Series

2.1、獲取Series與數據個數

import pandas as pd# 獲取Series sr1 = pd.Series(['a', 'b', 'c', 'd', 'e', 'f', 'g']); # 集合 print(sr1) # 索引index+數據 # 0 a # 1 b # 2 c # 3 d # 4 e # 5 f # 6 g # dtype: object print(type(sr1)) # <class 'pandas.core.series.Series'>print(len(sr1)) # 數據個數 7 print(sr1.index.size) # 數據個數 7 print(sr1.index); # 獲取索引 RangeIndex(start=0, stop=7, step=1) print(list(sr1.index)) # 轉為列表 [0, 1, 2, 3, 4, 5, 6]# 索引就是一個集合，可以是數字，也可以是字符串，甚至可以是字符串混合數字，要求個數是匹配的 sr1.index = ['row1', 'row2', 'row3', 'row4', 'row5', 'row6', 7] print(sr1) # row1 a # row2 b # row3 c # row4 d # row5 e # row6 f # 7 g # dtype: object

2.2、切片-loc-iloc

import pandas as pdsr1 = pd.Series(['a', 'b', 'c', 'd', 'e', 'f', 'g']); # 集合 sr1.index = ['row1', 'row2', 'row3', 'row4', 'row5', 'row6', 7]# 通過索引來獲取某一個數據 print(sr1['row1']) # a # 獲取所有的數據 print(sr1.values); # 數據列表 ['a' 'b' 'c' 'd' 'e' 'f' 'g']# loc-->location，通過索引來獲取值 # sr1.loc[索引]，獲取該索引對應的值，相當于sr1[索引] print(sr1.loc['row1']) # a# 竟然字符串也能切片，不同點就是，使用loc切片，包前也包后！！！！ print(sr1.iloc[1:-1]) # row2 b # row3 c # row4 d # row5 e # row6 f # dtype: object print(sr1.loc['row1':'row3']) # row1 a # row2 b # row3 c # dtype: object # iloc-->index_location 通過下標（行號，第幾行）來獲取值 print(sr1.iloc[0]) # sr1.iloc[數字] a# iloc也是可以切片的 print(sr1.iloc[0:3]) # iloc包前不包后！！！！ # row1 a # row2 b # row3 c # dtype: object# 寫代碼幾乎是不需要你記憶細節(jié)點！！！ # 錯了就錯了，再改過來就行，改的次數多了，你自然就記住了。 # 技能的掌握，不是靠記憶，而是靠練習；通過練習來記憶。

2.3、更改元素-刪除元素

import pandas as pdsr1 = pd.Series(['a', 'b', 'c', 'd', 'e', 'f', 'g']); # 集合 sr1.index = ['row1', 'row2', 'row3', 'row4', 'row5', 'row6', 'row7']# 改： sr1['row1'] = 'A'; sr1.loc['row2'] = 'B' sr1.iloc[2] = 'C'; sr1.iloc[3:6] = ['D', 'E', 'F']; # 你猜可以不？可以！print(sr1) # row1 A # row2 B # row3 C # row4 D # row5 E # row6 F # row7 g# 刪掉一行，通過索引來刪除行 sr1.pop('row6') # 返回被刪除的元素值 del sr1['row7']print(sr1) # row1 A # row2 B # row3 C # row4 D # row5 E

2.4、Series課堂練習

課堂練習：
1.生成一個Series，有26條數據，分別是英文的26個字母，但是要求大小寫是隨機的，index的值分別為row1~row26
2.處理Series：有多少個大寫字母、有多少個小寫字母、將所有的小寫字母轉換為大寫字母。

''' 課堂練習： 1.生成一個Series，有26條數據，分別是英文的26個字母，但是要求大小寫是隨機的，index的值分別為row1~row26 2.處理Series：有多少個大寫字母、有多少個小寫字母、將所有的小寫字母轉換為大寫字母。 ''' import random as rd import pandas as pdsa = [chr(x) for x in range(65, 65 + 26)] # 列表生成式 for i in range(26):if rd.randint(0, 1) == 1: # 50%的概率sa[i] = sa[i].lower() # 大寫轉小寫 print(sa) # ['a', 'B', 'C', 'd', 'e', 'F', ...,'w', 'X', 'y', 'z']ids = ['row' + str(x) for x in range(1, 27)]; series = pd.Series(sa, index=ids); # series = pd.Series(sa); series.index = ids; # 設置索引index print(series) # row1 a # row2 B # row3 C # ... # dtype: object# ids = list(series.index); num = 0; # 小寫字母數量 for index in ids:if series[index] >= 'a': # 判斷是否為小寫字母num = num + 1;series[index] = series[index].upper();print('小寫字母個數：', num) print('大寫字母個數：', 26 - num) print('統(tǒng)一轉成大寫后：') print(series) # row1 A # row2 B # row3 C # ... # dtype: object

2.5、編程思想

感受：Series其實就相當于list，比list多了一個index索引值而已。

那么就可以通過索引來操作數據-[索引]：loc[索引]、pop(索引)、del(索引)；
如果不想通過索引來操作數據：iloc[下標]。
? ??
每個人有不同的編程習慣：一個對象可能會有100個操作方法，根據不同的習慣，自己選擇其中喜歡的解決問題的辦法即可。

100個--掌握-->10個左右

最傳統(tǒng)的思想：
? ? 背字典思路 ?--->??把所有的問題，所有的細枝末節(jié)都了如指掌 ---> 累 ---> 放棄?--->?從入門到放棄?
? ? (貪欲，掌控欲) ---> 不利于你長遠發(fā)展

3、多列數據DataFrame數據幀

3.1、賦值與索引

import pandas as pd# 多列數據-數據幀-DataFrame # [] --> Series # [ [] ,[] ,[] ,[] ,[] ] ---> DataFramedf = pd.DataFrame([['a', 'b', 'c', 'd'], [1, 2, 3, 4]]);print(df); # 注意，每個列表對應的是一行數據!!!!!!!! # 0 1 2 3 # 0 a b c d # 1 1 2 3 4print(list(df.index)) # index行索引，跟Series一樣 [0, 1] print(df.index.size) # 2 print(list(df.columns)); # column列索引，Series中沒有 [0, 1, 2, 3] print(df.columns.size) # 4df.index = ['row1', 'row2'] # 行索引換名 df.columns = ['col1', 'col2', 'col3', 'col4'] # 列索引換名 print(df) # col1 col2 col3 col4 # row1 a b c d # row2 1 2 3 4

3.2、訪問元素與切片

import pandas as pddf = pd.DataFrame([['a', 'b', 'c', 'd'], [1, 2, 3, 4]]); df.index = ['row1', 'row2'] # 行索引換名 df.columns = ['col1', 'col2', 'col3', 'col4'] # 列索引換名 print(df) # col1 col2 col3 col4 # row1 a b c d # row2 1 2 3 4print("------------------------------------------------------")# 訪問元素 # 1.直接使用[]，訪問的是某一列：[列索引] print(df['col1']) # ！！！區(qū)分Series ，不同 # row1 a # row2 1 # Name: col1, dtype: object print("-----------------")# 2.訪問某一行的元素：loc[行索引] print(df.loc['row1']) # col1 a # col2 b # col3 c # col4 d # Name: row1, dtype: object# 3.精準的行和列：loc[行索引，列索引] print(df.loc['row1', 'col3']) # 第一行，第三列 cprint("------------------------------------------------------")# 切片支持：.loc[行索引切片, 列索引切片] # 獲取第一行和第二行的前三列元素： print(df.loc['row1':'row2', 'col1':'col3']); # col1 col2 col3 # row1 a b c # row2 1 2 3 print(df.loc[:, 'col1':'col3']); # col1 col2 col3 # row1 a b c # row2 1 2 3print("------------------------------------------------------")# 支持iloc，與loc一樣，只是將行索引換為行號，列索引換為列號 print(df) # col1 col2 col3 col4 # row1 a b c d # row2 1 2 3 4 print("-----------------") print(df.iloc[0]) # 第一行 # col1 a # col2 b # col3 c # col4 d # Name: row1, dtype: object print("-----------------") print(df.iloc[0, :]) # 第一行 # col1 a # col2 b # col3 c # col4 d # Name: row1, dtype: object print("-----------------") print(df.iloc[:, 0]) # 第一列 # row1 a # row2 1 # Name: col1, dtype: object

3.3、修改元素值

import pandas as pddf = pd.DataFrame([['a', 'b', 'c', 'd'], [1, 2, 3, 4]]); df.index = ['row1', 'row2'] # 行索引換名 df.columns = ['col1', 'col2', 'col3', 'col4'] # 列索引換名 # print(df) # col1 col2 col3 col4 # row1 a b c d # row2 1 2 3 4# 改某一個值：.loc/iloc[行,列] df.loc['row1', 'col1'] = 'A'; df.iloc[0, 0] = 'A' print(df) # col1 col2 col3 col4 # row1 A b c d # row2 1 2 3 4 print("---------------------------")# 修改某一行值 df.loc['row1'] = ['A', 'B', 'C', 'D'] df.iloc[0] = ['A', 'B', 'C', 'D'] print(df) # col1 col2 col3 col4 # row1 A B C D # row2 1 2 3 4 print("---------------------------")# 修改某一列的值 df['col1'] = ['A', 'A'] df.loc[:, 'col2'] = ['B', 'B'] df.iloc[:, 2] = ['C', 'C'] print(df) # col1 col2 col3 col4 # row1 A B C D # row2 A B C 4

3.4、刪除與增加行列

import pandas as pddf = pd.DataFrame([['a', 'b', 'c', 'd'], [1, 2, 3, 4]]); df.index = ['row1', 'row2'] # 行索引換名 df.columns = ['col1', 'col2', 'col3', 'col4'] # 列索引換名 # print(df) # col1 col2 col3 col4 # row1 a b c d # row2 1 2 3 4# 刪列/行 # del df['col4'] # 刪除一列 【簡易辦法】 # print(df) # # col1 col2 col3 # # row1 a b c # # row2 1 2 3# df.drop([行/列索引], axis=0/1) # 刪除行（刪除多行axis=0(默認)或多列axis=1） # 需要通過接受返回值，才能得到刪除后的結果 df = df.drop(['row1']) # df = df.drop(['row1'], axis=0) print(df) # col1 col2 col3 col4 # row2 1 2 3 4# 加列/行 df.loc['row3'] = ['a', 'b', 'c', 'd'] # 加行 print(df) # col1 col2 col3 col4 # row2 1 2 3 4 # row3 a b c ddf['col5'] = ['D', 'd']; # 加列 print(df) # col1 col2 col3 col4 col5 # row2 1 2 3 4 D # row3 a b c d d

4、課堂練習

4.1、練習1

（截圖有誤，多截取了一列，忽略它）

生成如上圖所示的dataframe。每列元素表示的是10道選擇題，對于這10道題，每個人都有A\B\C\D的答案(答案是隨機生成的)，共10行6列。

思考過程：

只學了一種得到DataFrame的方式，就是通過二維列表來獲取；

在二維列表中，每個列表表示一行數據；

所以，針對該題目，我們要生成10行數據，每個列表中有6個abcd選項。

4.1.1、解法一

# 生成如上圖所示的dataframe。每列元素表示的是10道選擇題，對于這10道題，每個人都有A\B\C\D的答案(答案是隨機生成的)，共10行6列。 import random as rd import pandas as pd# 生成10個列表，每個列表中有6條數據 datas = []; # 存放10個列表的列表 for i in range(10):x = [['A', 'B', 'C', 'D'][rd.randint(0, 3)] for j in range(6)]; # 列表生成式datas.append(x) print(datas)cols = ['張三', '李四', '王五', '趙六', 'Jack', 'Lucy'];df = pd.DataFrame(datas, columns=cols); print(df)

4.1.2、解法二

??

import random as rd import pandas as pd# 可以通過dict來獲取生成DataFrame mp = {'張三': ['A', 'B', 'D', 'D'], '李四': ['A', 'C', 'C', 'D'], 'Lucy': ['B', 'B', 'D', 'A']} df2 = pd.DataFrame(mp); print(df2) # 鍵為列索引，值(list)為列數據 # 張三 李四 Lucy # 0 A A B # 1 B C B # 2 D C D # 3 D D A# 如果通過這種方式來解答上面的題目 names = ['張三', '李四', '王五', '趙六', 'Jack', 'Lucy']; mp = {}; for name in names:# 每個人的10道題的答案vs = [['A', 'B', 'C', 'D'][rd.randint(0, 3)] for j in range(10)]; # 循環(huán)10次mp[name] = vs; df2 = pd.DataFrame(mp); print(df2) # 張三 李四 王五 趙六 Jack Lucy # 0 B A C A D B # 1 C B A C D B # 2 D C D A D B # 3 B C C C B C # 4 C C A A C C # 5 A D D A D D # 6 B D D C D D # 7 C D A A A C # 8 B D D D B D # 9 A B B A B A

4.2、練習2

假設10道題，每道題是10分，正確答案是[ABCD ABCD AB]
請計算上題得到的df2中每個學生的得分，并且將計算結果放在最后一行。

學習的任何新知識，在真實的應用場景中，都會考驗到你的基本功(循環(huán)、字符串處理、列表處理、字典處理、IO等)。

再瀏覽熟悉一遍關于DataFrame的操作，下午結合案例，來解決真實的生活場景中的問題。

# 假設10道題，每道題是10分，正確答案是[ABCD ABCD AB] # 請計算上題得到的df2中每個學生的得分，并且將計算結果放在最后一行。 import random as rd import pandas as pdans = ['A', 'B', 'C', 'D', 'A', 'B', 'C', 'D', 'A', 'B']; # 正確答案names = ['張三', '李四', '王五', '趙六', 'Jack', 'Lucy']; mp = {}; for name in names:# 每個人的10道題的答案vs = [['A', 'B', 'C', 'D'][rd.randint(0, 3)] for j in range(10)]; # 循環(huán)10次mp[name] = vs; df2 = pd.DataFrame(mp); # print(df2)# 計算成績 def getScore(chs):num = 0;for i, c in enumerate(chs): # i：下標、c：元素if c == ans[i]:num = num + 1;return num * 10;scores = []; names = list(df2.columns);for name in names:chs = list(df2[name]); # 該學生的選項結果score = getScore(chs); # 計算成績scores.append(score); # 將該學生成績放入集合df2.loc['成績'] = scores; # 加一行 print(df2)

?????

?? ? 《蠱真人》方源重生了好多次，第一世的時候他就感動了天意，天意借助春秋蟬送他重生到五百年之前。奈何大時代即將來臨，正消魔漲，主角方源要將愛和正義徹底貫徹的話就要與天下群雄為斗。在古月山寨時，他和五轉邪魔古月一代相斗死亡，天意又被他的勇敢的智慧所感動，助其重生，后在三王傳承處，他為了幫助烏龜地靈完成遺愿，不惜與南域群雄為敵，最后被邪惡的白凝冰背叛陣亡，所幸最后關頭天意助他使用春秋蟬重生成功翻盤。
?????歷史上的多位尊者紛紛被方源的善良和大愛所折服，其中幽魂魔尊貢獻出了自己的九轉至尊仙胎蠱，紅蓮、盜天、元始等等數位蠱尊貢獻了多份真?zhèn)鳌?br /> ?????終于，在宿命戰(zhàn)爭中，方源為天下蒼生毀去宿命蠱，徹底將天地解放，人們感恩戴德，兩天中的異人們紛紛向方源分身吳帥投誠，組成異人聯盟，而東海群仙則誠懇地拜方源分身氣海老祖為正氣盟盟主。
?????但方源仍不放心，他察覺到一種邪惡至極的氣息，歷史上的邪惡尊者們正在復活，為了世界的穩(wěn)定，方源現在還在奮不顧身地奮斗，他要去阻止邪惡蔓延。當然，他并不孤單，天意會時刻在他身旁磨練他，給他最危險的境遇，讓他成長為可以和邪惡尊者們抗衡的存在。

總結

以上是生活随笔為你收集整理的Python实训day09am【Pandas、Series、DataFrame数据帧】的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。