机器学习——Pandas库

语言: CN / TW / HK

开启掘金成长之旅!这是我参与「掘金日新计划 · 12 月更文挑战」的第27天,点击查看活动详情

目录

一、Pandas库

二、Pandas库数据结构——Series, DataFrame

1.Series——索引 index,值 values

2.DataFrame——索引index, columns,值 values

正在上传…重新上传取消

指定或修改索引方法

创建时:

创建后:

三、Series, DataFrame运算

1.基本运算

2.矩阵运算、通用函数

3.基本统计方法 axis指定操作轴

四、Series, DataFrame 索引与切片

1.Series 索引与切片 Index索引/数字索引/布尔值索引

2.DataFrame 索引与切片

五、Series, DataFrame 删除操作

1.Series删除操作 pop/drop/del

2.DataFrame删除操作 pop/drop/del

六、Series, DataFrame 合并操作

1.Series合并操作

2.DataFrame合并操作

七、Pandas库其他常用函数或方法


一、Pandas库

import numpy as np import pandas as pd

二、Pandas库数据结构——Series, DataFrame

a = pd.Series([1, 2, 3, 4, 5])

编辑

data = np.array([[95, 96, 97], [80, 85, 86], [56, 65, 70]]) frame = pd.DataFrame(data) frame

编辑

我们不难看出来Series, DataFrame的区别:DataFrame更加好看哈哈,接受矩阵数据

详细见:

pandas中的两种数据类型Series和DataFrame区别_jolingcome的博客-CSDN博客_series和dataframe区别

1.Series——索引 index,值 values

a = pd.Series([1, 2, 3, 4, 5], index = ['a', 'b', 'c', 'd', 'e']) a

编辑

2.DataFrame——索引index, columns,值 values

frame = pd.DataFrame(data, index=['xiaoming', 'xiaohong', 'xiaohei'], columns=['yuwen', 'yingyu', 'shuxue']) frame

b398cdeb2b2d36a193d34a1868946e18.png​编辑

指定或修改索引方法

创建时:

index, columns 指定索引,已经有索引可以按索引重新排序

创建后:

reindex方法,重新建立索引或指定索引排序

rename 修改索引

``` frame_.rename(index={"xiaohong":"damao","xiaoming":"ermao","xiaohei":"Nicolas Cage"}, columns={"yingyu":"English", "yuwen":"Literature", "shuxue":"Maths"})

Series.index = [] DataFrame.columns = [] ```

三、Series, DataFrame运算

1.基本运算

按照索引位置进行计算

data = {"English":[80,70,60], "Literature":[70,70,85], "Maths":[80,90,50], "Music":["A","B","C"]} df = pd.DataFrame(data,index = ["alpha", "beta","theta"]) df * 2

编辑

DataFrame、Series “相加”时,按照DF的columns(列)进行匹配

``` data1 = {"English":[80,70,60], "Literature":[70,70,85], "Maths":[80,90,50],} df1 = pd.DataFrame(data1,index = ["alpha", "beta","theta"]) add_ = {'Maths':10,'English':10,'Literature':20,'Gym':"A"} add_ = pd.Series(add_)

df1 + add_ ```

编辑

2.矩阵运算、通用函数

df.T

编辑

3.基本统计方法

查看数据的一些

df.describe()

编辑

四、Series, DataFrame 索引与切片

1.Series 索引与切片 Index索引/数字索引/布尔值索引

add_ = {'Maths':10,'English':10,'Literature':20,'Gym':"A"} add_ = pd.Series(add_) add_['Maths']

编辑

2.DataFrame 索引与切片

``` Index索引 列:df['Maths'] 行:df.loc[‘alpha’]

数字索引 df.iloc[] 特别的行可以直接用数字切片索引

布尔值索引 ```

五、Series, DataFrame 删除操作

1.Series删除操作 pop/drop/del

① del方式:就地删除

``` x = pd.Series([10,23,31,16],index=list("abcd")) display(x)

删除了某个索引后,对应的值也就删除了

del x["b"] display(x) ```

​编辑

② drop方式:当指定了inplace=True后,才属于就地删除

``` x = pd.Series([10,23,31,16],index=list("abcd")) display(x)

y = x.drop("a") display(y) dispaly(x)

当指定了inplace=True后,属于就地删除

x.drop("a",inplace=True) display(x) ```

​编辑

2.DataFrame删除操作 pop/drop/del

和 Series删除操作 pop/drop/del  类同的,聪明的你可以想想

六、Series, DataFrame 合并操作

一般我们用到什么方法就去查看该方法的参数

1.Series合并操作

pd.concat() combine_first()

2.DataFrame合并操作

``` pd.concat() combine_first()

pd.merge() join() ```

七、Pandas库其他常用函数或方法

``` head() info() describe()

sort_index() sort_values()

is_unique value_counts()

rank() ```

详细可见pandas中Series,DataFrame的连接(拼接)_晓东邪的博客-CSDN博客_pandas series 拼接