為什么80%的碼農都做不了架構師？>>> ??

統計

import pandas import numpy# 通過傳遞一個 numpyarray，時間索引以及列標簽來創建一個DataFrame： dates = pandas.date_range("20180509", periods=6) df = pandas.DataFrame(numpy.random.randn(6, 4), index=dates, columns=list('ABCD')) print("時間索引以及列標簽來創建一個DataFrame:", df, sep="\n")# 描述性統計，求每一列的平均數 print("每一列的平均數", df.mean(), sep="\n")# 其他軸的形同操作 print("每一行的平均數", df.mean(1), sep="\n")# 對于擁有不同維度、需要對其的對象進行操作。Pandas會自動沿著指定的維度進行廣播 s = pandas.Series([1, 3, 5, numpy.nan, 6, 8], index=dates).shift(2) # shift函數主要的功能就是使數據框中的數據移動。 print("行索引不變，移動列的數據。", s, sep="\n") print("df-s", df.sub(s, axis='index'), sep="\n")# 按照index進行匹配，為s補全為一個矩陣后進行計算，完成兩個矩陣相減（df-s） "E:\Python 3.6.2\python.exe" F:/PycharmProjects/test.py 時間索引以及列標簽來創建一個DataFrame:A B C D 2018-05-09 0.689544 0.875232 0.452993 1.875628 2018-05-10 -0.216719 0.298931 -1.159366 0.188906 2018-05-11 0.268589 1.206928 -0.119726 -0.148764 2018-05-12 -1.035244 1.092390 1.006421 -0.226186 2018-05-13 0.670916 0.738597 -0.184312 -1.280867 2018-05-14 -0.359534 1.109787 0.650537 -0.030985 每一列的平均數 A 0.002925 B 0.886978 C 0.107758 D 0.062955 dtype: float64 每一行的平均數 2018-05-09 0.973349 2018-05-10 -0.222062 2018-05-11 0.301757 2018-05-12 0.209345 2018-05-13 -0.013917 2018-05-14 0.342451 Freq: D, dtype: float64 行索引不變，移動列的數據。 2018-05-09 NaN 2018-05-10 NaN 2018-05-11 1.0 2018-05-12 3.0 2018-05-13 5.0 2018-05-14 NaN Freq: D, dtype: float64A B C D 2018-05-09 NaN NaN NaN NaN 2018-05-10 NaN NaN NaN NaN 2018-05-11 -0.731411 0.206928 -1.119726 -1.148764 2018-05-12 -4.035244 -1.907610 -1.993579 -3.226186 2018-05-13 -4.329084 -4.261403 -5.184312 -6.280867 2018-05-14 NaN NaN NaN NaNProcess finished with exit code 0

函數apply()

import pandas import numpy# 通過傳遞一個 numpyarray，時間索引以及列標簽來創建一個DataFrame： dates = pandas.date_range("20180509", periods=6) df = pandas.DataFrame(numpy.random.randn(6, 4), index=dates, columns=list('ABCD')) print("時間索引以及列標簽來創建一個DataFrame:", df, sep="\n")# 對數據應用函數 print("從第一行開始，其下一行網上一行結果上累加:", df.apply(numpy.cumsum), sep="\n") # 每行數值向上求和 print("每列的最大數減去最小數：", df.apply(lambda x: x.max() - x.min()), sep="\n") "E:\Python 3.6.2\python.exe" F:/PycharmProjects/test.py 時間索引以及列標簽來創建一個DataFrame:A B C D 2018-05-09 0.628765 -1.453298 -0.169228 -0.185065 2018-05-10 0.444467 0.159900 -1.581807 0.852065 2018-05-11 1.537534 -1.718371 -1.378338 -0.183929 2018-05-12 -2.131473 -2.586691 -0.241944 -0.842446 2018-05-13 -0.898688 0.394125 1.413996 -1.897569 2018-05-14 -0.891981 0.913925 0.686605 -0.842980 從第一行開始，其下一行網上一行結果上累加:A B C D 2018-05-09 0.628765 -1.453298 -0.169228 -0.185065 2018-05-10 1.073232 -1.293399 -1.751035 0.667000 2018-05-11 2.610767 -3.011770 -3.129372 0.483071 2018-05-12 0.479293 -5.598461 -3.371316 -0.359374 2018-05-13 -0.419395 -5.204337 -1.957321 -2.256944 2018-05-14 -1.311376 -4.290412 -1.270715 -3.099924 每列的最大數減去最小數： A 3.669008 B 3.500616 C 2.995802 D 2.749634 dtype: float64Process finished with exit code 0

直方圖

import pandas import numpy# 通過傳遞一個 numpyarray，時間索引以及列標簽來創建一個DataFrame： dates = pandas.date_range("20180509", periods=6) df = pandas.DataFrame(numpy.random.randn(6, 4), index=dates, columns=list('ABCD')) print("時間索引以及列標簽來創建一個DataFrame:", df, sep="\n")s = pandas.Series(numpy.random.randint(0, 7, size=10)) print("隨機生成十個數的序列：", s, sep="\n") print("統計每個數出現的次數：", s.value_counts(), sep="\n") "E:\Python 3.6.2\python.exe" F:/PycharmProjects/test.py 時間索引以及列標簽來創建一個DataFrame:A B C D 2018-05-09 -1.447060 0.998378 -0.272173 -0.240873 2018-05-10 2.019563 0.397001 1.469093 -0.313272 2018-05-11 0.932445 0.973830 -1.914278 -1.374748 2018-05-12 -0.980636 1.336340 -0.232319 1.176833 2018-05-13 -1.850315 -0.738035 -1.085791 1.378875 2018-05-14 1.162965 1.892369 0.499482 0.647424 0 5 1 2 2 1 3 4 4 1 5 5 6 0 7 1 8 0 9 3 dtype: int32Process finished with exit code 0

字符串方法

Series對象在其str屬性中配備了一組字符串處理方法，可以很容易的應用到數組中的每個元素。

import pandas import numpys = pandas.Series(['A', 'B', 'C', 'Aaba', 'Baca', numpy.nan, 'CABA', 'dog', 'cat']) print("序列值全部改成小寫：", s.str.lower(), sep="\n") "E:\Python 3.6.2\python.exe" F:/PycharmProjects/test.py 序列值全部改成小寫： 0 a 1 b 2 c 3 aaba 4 baca 5 NaN 6 caba 7 dog 8 cat dtype: objectProcess finished with exit code 0

?

轉載于:https://my.oschina.net/gain/blog/1823689

總結

以上是生活随笔為你收集整理的数据挖掘 pandas基础入门之操作的全部內容，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。