本節(jié)主要是自己學(xué)習(xí)pandas的練習(xí)，與你分享。

導(dǎo)入Pandas與NumPy

import numpy as np import pandas as pd

生成Series時(shí)，pandas默認(rèn)生成整數(shù)索引，我們嘗試一下。

s = pd.Series([23,2,5,np.nan,6,9]) s

使用時(shí)間索引與含有標(biāo)簽的Numpy數(shù)組生成DataFrame

dates = pd.date_range('20200101',periods=7) dates

使用隨機(jī)數(shù)生成一個(gè)7*4的數(shù)據(jù)表。

使用Series字典生成DataFrame

df2 = pd.DataFrame({'A':1.2,'B':pd.Series(1,index=list(range(4)),dtype='float32'),'C':pd.Timestamp('20200101'),'D':np.array([3]*4,dtype='int32'),'E':pd.Categorical(["test","tarin","test","train"]),'F':'foo'}) df2

我們查看一下df2中每列的數(shù)據(jù)類型

df2.dtypes

下面進(jìn)入數(shù)據(jù)查看環(huán)節(jié)，查看數(shù)據(jù)的前幾行和結(jié)尾幾行的數(shù)據(jù)：

df.head()#默認(rèn)是5行

df.head(3)#可以輸入數(shù)字查看相應(yīng)行數(shù)

df.tail(3)#查看最后3行

顯示索引與列名

快速的查看數(shù)據(jù)統(tǒng)計(jì)概要：

數(shù)據(jù)轉(zhuǎn)置：

提取數(shù)據(jù)

獲取單列數(shù)據(jù)，選擇單列，產(chǎn)生Series，與df.A 等效

使用[ ]切片：

按標(biāo)簽選擇，用標(biāo)簽提取一行數(shù)據(jù)

用標(biāo)簽選擇多列數(shù)據(jù)

用標(biāo)簽切片，包含行與列結(jié)束點(diǎn)：

提取標(biāo)量值：

使用整數(shù)位置選擇

類似 NumPy / Python，用整數(shù)切片：

顯示整行的切片：

顯示整列的切片：

布爾索引，用單列的值選擇數(shù)據(jù)：

提取出DataFrame 里滿足條件的值：

使用isin篩選：

用索引自動(dòng)對(duì)齊新增列的數(shù)據(jù)：

按標(biāo)簽賦值：

按位置賦值

按 NumPy 數(shù)組賦值：

Pandas 主要用 np.nan 表示缺失數(shù)據(jù)，計(jì)算時(shí)，默認(rèn)不包含空值。 重建索引（reindex）可以更改、添加、刪除指定軸的索引，并返回?cái)?shù)據(jù)副本，即不更改原數(shù)據(jù)。

刪除所有包含空值的行：

填充缺失值：

計(jì)算均值：

數(shù)值計(jì)數(shù)：

包含的字符串的處理功能str:

數(shù)據(jù)合并，pandas 提供了多種將 Series、DataFrame 對(duì)象組合在一起的功能，用索引與關(guān)聯(lián)代數(shù)功能的多種設(shè)置邏輯可執(zhí)行連接（join）與合并（merge）操作。

為 DataFrame 追加行:

分組，“group by” 指的是涵蓋下列一項(xiàng)或多項(xiàng)步驟的處理流程：

分割：按條件把數(shù)據(jù)分割成多組；

應(yīng)用：為每組單獨(dú)應(yīng)用函數(shù)；

組合：將處理結(jié)果組合成一個(gè)數(shù)據(jù)結(jié)構(gòu)。

先分組，再用 sum()函數(shù)計(jì)算每組的匯總數(shù)據(jù)：

多列分組后，生成多層索引，也可以應(yīng)用 sum 函數(shù)：

以上為學(xué)習(xí)所得，希望對(duì)你有幫助。

總結(jié)

以上是生活随笔為你收集整理的pandas删除满足条件的行_入门Pandas练习的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。