本節主要是自己學習pandas的練習，與你分享。

導入Pandas與NumPy

import numpy as np import pandas as pd

生成Series時，pandas默認生成整數索引，我們嘗試一下。

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

使用時間索引與含有標簽的Numpy數組生成DataFrame

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

使用隨機數生成一個7*4的數據表。

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中每列的數據類型

df2.dtypes

下面進入數據查看環節，查看數據的前幾行和結尾幾行的數據：

df.head()#默認是5行

df.head(3)#可以輸入數字查看相應行數

df.tail(3)#查看最后3行

顯示索引與列名

快速的查看數據統計概要：

數據轉置：

提取數據

獲取單列數據，選擇單列，產生Series，與df.A 等效

使用[ ]切片：

按標簽選擇，用標簽提取一行數據

用標簽選擇多列數據

用標簽切片，包含行與列結束點：

提取標量值：

使用整數位置選擇

類似 NumPy / Python，用整數切片：

顯示整行的切片：

顯示整列的切片：

布爾索引，用單列的值選擇數據：

提取出DataFrame 里滿足條件的值：

使用isin篩選：

用索引自動對齊新增列的數據：

按標簽賦值：

按位置賦值

按 NumPy 數組賦值：

Pandas 主要用 np.nan 表示缺失數據，計算時，默認不包含空值。 重建索引（reindex）可以更改、添加、刪除指定軸的索引，并返回數據副本，即不更改原數據。

刪除所有包含空值的行：

填充缺失值：

計算均值：

數值計數：

包含的字符串的處理功能str:

數據合并，pandas 提供了多種將 Series、DataFrame 對象組合在一起的功能，用索引與關聯代數功能的多種設置邏輯可執行連接（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或多項步驟的處理流程：

分割：按條件把數據分割成多組；

應用：為每組單獨應用函數；

組合：將處理結果組合成一個數據結構。

先分組，再用 sum()函數計算每組的匯總數據：

多列分組后，生成多層索引，也可以應用 sum 函數：

以上為學習所得，希望對你有幫助。

總結

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。