到目前为止，我们了解了三种Pandas数据结构以及如何创建它们。接下来将主要关注数据帧(DataFrame)对象，因为它在实时数据处理中非常重要，并且还讨论其他数据结构。

一、系列基本功能

编号 属性或方法 描述
1 axes 返回行轴标签列表。
2 dtype 返回对象的数据类型(dtype)。
3 empty 如果系列为空，则返回True。
4 ndim 返回底层数据的维数，默认定义：1。
5 size 返回基础数据中的元素数。
6 values 将系列作为ndarray返回。
7 head() 返回前n行。
8 tail() 返回最后n行。

现在创建一个系列并演示如何使用上面所有列出的属性操作。

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(4))

print(s)

输出结果：

0   0.967853

1  -0.148368

2  -1.395906

3  -1.758394

dtype: float64

axes示例

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(4))

print ("The axes are:")

print(s.axes)

输出结果：

The axes are:

[RangeIndex(start=0, stop=4, step=1)]
 

empty示例

返回布尔值，表示对象是否为空。返回True则表示对象为空。

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(4))

print ("Is the Object empty?")

print(s.empty)
输出结果：
Is the Object empty?

False
 

ndim示例

返回对象的维数。根据定义，一个系列是一个1D数据结构，参考以下示例代码

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(4))

print(s)

print('\n')

print ("The dimensions of the object:",s.ndim)

输出结果 -

0   0.175898

1   0.166197

2  -0.609712

3  -1.377000

dtype: float64

The dimensions of the object:1
 

size示例

返回系列的大小(长度)。参考以下示例代码

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(2))

print(s)

print('\n')

print ("The size of the object:",s.size)

输出结果：

0   3.078058

1  -1.207803

dtype: float64

The size of the object:2
 

values示例

以数组形式返回系列中的实际数据值。

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(4))

print(s)

print('\n')

print ("The actual data series is:",s.values)

输出结果：

0   1.787373

1  -0.605159

2   0.180477

3  -0.140922

dtype: float64

The actual data series is:[ 1.78737302 -0.60515881 0.18047664 -0.1409218 ]
 

head()和tail()方法示例

要查看Series或DataFrame对象的小样本，请使用head()和tail()方法。

head()返回前n行(观察索引值)。要显示的元素的默认数量为5，但可以传递自定义这个数字值。

tail()返回最后n行(观察索引值)。 要显示的元素的默认数量为5，但可以传递自定义数字值。

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(4))

print ("The original series is:")

print(s)

print('\n')

print ("The first two rows of the data series:")

print(s.head(2))

print('\n')

print ("The last two rows of the data series:")

print(s.tail(2))
输出结果：
The original series is:

0   0.720876

1  -0.765898

2   0.479221

3  -0.139547

dtype: float64

The first two rows of the data series:

0   0.720876

1  -0.765898

dtype: float64




The last two rows of the data series:
2   0.479221
3  -0.139547
dtype: float64
 

二、DataFrame基本功能

下面来看看数据帧(DataFrame)的基本功能有哪些？下表列出了DataFrame基本功能的重要属性或方法。

编号 属性或方法 描述
1 T 转置行和列。
2 axes 返回一个列，行轴标签和列轴标签作为唯一的成员。
3 dtypes 返回此对象中的数据类型(dtypes)。
4 empty 如果NDFrame完全为空[无项目]，则返回为True; 如果任何轴的长度为0。
5 ndim 轴/数组维度大小。
6 shape 返回表示DataFrame的维度的元组。
7 size NDFrame中的元素数。
8 values NDFrame的Numpy表示。
9 head() 返回开头前n行。
10 tail() 返回最后n行。

下面来看看如何创建一个DataFrame并使用上述属性和方法。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Our data series is:")

print(df) 

输出结果：

Our data series is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80
 

T(转置)示例

返回DataFrame的转置。行和列将交换。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("The transpose of the data series is:")

print(df.T)

输出结果：

The transpose of the data series is:

         0     1       2      3      4      5       6

Age      25    26      25     23     30     29      23

Name     Tom   James   Ricky  Vin    Steve  Minsu   Jack

Rating   4.23  3.24    3.98   2.56   3.2    4.6     3.8
 

axes示例

返回行轴标签和列轴标签列表。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Row axis labels and column axis labels are:")

print(df.axes)

输出结果：

Row axis labels and column axis labels are:

[RangeIndex(start=0, stop=7, step=1), Index([u'Age', u'Name', u'Rating'],

dtype='object')]
 

dtypes示例

返回每列的数据类型。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("The data types of each column are:")

print(df.dtypes)

输出结果：

The data types of each column are:

Age     int64

Name    object

Rating  float64

dtype: object

empty示例

返回布尔值，表示对象是否为空; 返回True表示对象为空。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Is the object empty?",df.empty)

输出结果：

Is the object empty? False
 

ndim示例

返回对象的维数。根据定义，DataFrame是一个2D对象。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Our object is:")

print(df)

print('\n')

print ("The dimension of the object is:",df.ndim)

输出结果：

Our object is:

      Age    Name     Rating

0     25     Tom      4.23

1     26     James    3.24

2     25     Ricky    3.98

3     23     Vin      2.56

4     30     Steve    3.20

5     29     Minsu    4.60

6     23     Jack     3.80

The dimension of the object is:2
 

shape示例

返回表示DataFrame的维度的元组。 元组(a，b)，其中a表示行数，b表示列数。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Our object is:")

print(df)

print('\n')

print ("The shape of the object is:",df.shape)

输出结果：

Our object is:

   Age   Name    Rating

0  25    Tom     4.23

1  26    James   3.24

2  25    Ricky   3.98

3  23    Vin     2.56

4  30    Steve   3.20

5  29    Minsu   4.60

6  23    Jack    3.80

The shape of the object is:(7, 3)
 

size示例

返回DataFrame中的元素数。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Our object is:")

print(df)

print('\n')

print ("The total number of elements in our object is:",df.size)

输出结果：

Our object is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80

The total number of elements in our object is:21
 

values示例

将DataFrame中的实际数据作为ndarray返回。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Our object is:")

print(df)

print('\n')

print ("The actual data in our data frame is:")

print(df.values)

输出结果：

Our object is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80

The actual data in our data frame is:

[[25 'Tom' 4.23]

[26 'James' 3.24]

[25 'Ricky' 3.98]

[23 'Vin' 2.56]

[30 'Steve' 3.2]

[29 'Minsu' 4.6]

[23 'Jack' 3.8]]
 

head()和tail()示例

要查看DataFrame对象的小样本，可使用head()和tail()方法。

head()返回前n行(观察索引值)。显示元素的默认数量为5，但可以传递自定义数字值。

tail()返回最后n行(观察索引值)。显示元素的默认数量为5，但可以传递自定义数字值。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Our data frame is:")

print(df)

print('\n')

print ("The first two rows of the data frame is:")

print(df.head(2))

print('\n')

print ("The last two rows of the data frame is:")

print(df.tail(2))

输出结果：

Our data frame is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80

The first two rows of the data frame is:

   Age   Name   Rating

0  25    Tom    4.23

1  26    James  3.24




The last two rows of the data frame is:

    Age   Name    Rating

5   29    Minsu    4.6

6   23    Jack     3.8

Pandas | 05 基本功能的更多相关文章

  1. pandas的基本功能(一)

    第16天pandas的基本功能(一) 灵活的二进制操作 体现在2个方面 支持一维和二维之间的广播 支持缺失值数据处理 四则运算支持广播 +add - sub *mul /div divmod()分区和 ...

  2. pandas的筛选功能，跟excel的筛选功能类似，但是功能更强大。

    Select rows from a DataFrame based on values in a column -pandas 筛选 https://stackoverflow.com/questi ...

  3. （数据科学学习手札134）pyjanitor：为pandas补充更多功能

    本文示例代码及文件已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 pandas发展了如此多年,所包含的功能已 ...

  4. python数据分析之Pandas：基本功能介绍

    Pandas有两个主要的数据结构:Series和DataFrame． Series是一种类似于一维数组的对象,它由一组数据以及一组与之相关的数据标签构成．来看下它的使用过程 In [1]: from  ...

  5. Pandas常用基本功能

    Series 和 DataFrame还未构建完成的朋友可以参考我的上一篇博文:https://www.cnblogs.com/zry-yt/p/11794941.html 当我们构建好了 Series ...

  6. Pandas | 21 日期功能

    日期功能扩展了时间序列,在财务数据分析中起主要作用.在处理日期数据的同时,我们经常会遇到以下情况 - 生成日期序列 将日期序列转换为不同的频率 创建一个日期范围 通过指定周期和频率,使用date.ra ...

  7. pandas replace 替换功能function

    list like replace method dict like replace method regex expression import pandas as pd import numpy ...

  8. [Pandas] 05 - Parallel processing

    相关资源 [Python] 09 - Multi-processing [Pandas] 01 - A guy based on NumPy [AI] 深度数学 - Bayes 这章非常有意思,但一定 ...

  9. 3.1,pandas【基本功能】

    一:改变索引 reindex方法对于Series直接索引,对于DataFrame既可以改变行索引,也可以改变列索引,还可以两个一起改变. 1)对于Series In [2]: seri = pd.Se ...

随机推荐

  1. Qt 操作SQLite数据库

    项目中通常需要采用各种数据库(如 Qracle.SQL Server.MySQL等)来实现对数据的存储.查询等功能.下面讲解如何在 Qt 中操作 SQlite 数据库. 一.SQLite 介绍 Sql ...

  2. Redis（八） LRU Cache

    Redis(八)-- LRU Cache 在计算机中缓存可谓无所不在,无论还是应用还是操作系统中,为了性能都需要做缓存.然缓存必然与缓存算法息息相关,LRU就是其中之一.笔者在最先接触LRU是大学学习 ...

  3. tkmybatis VS mybatisplus

    本文是简单对比了以下官网上的内容 文章目录 TkMybatis Vs MybatisPlus 1.基础CRUD BaseMapper 2.代码生成器 3. 全局主键 Sequence主键 4. 热加载 ...

  4. 关于toLocaleString(), toString(), valueOf()方法的使用

    所有对象都是具有toLocalString(), toString(), valueOf()三种方法的,此篇博客主要是讲述其在Array引用类型上的使用. 基本使用 调用valueOf()返回的是数组 ...

  5. 安装oracle时出现的问题

    数据库引擎和几个功能安装失败后  ,重新再装还是一样,好不容易全部功能装完成后结果发现登录不了oracle!!!!!!!!!!!!! 气死人,搞了一上午才发现原来是微软账号在搞事,登录本地管理员账户就 ...

  6. PLSQL 登录时弹出(没有登录)空白提示框

    如题,在登录的时候莫名出现了plsql登录时弹出(没有登录)的空白提示框,在网上找了很多方法之后都不行,然后发现plsql的 oracle主目录名莫名的成了空,然后直接重新把它的目录设置上 重启pls ...

  7. 浅谈Spring中JDK动态代理与CGLIB动态代理

    前言Spring是Java程序员基本不可能绕开的一个框架,它的核心思想是IOC(控制反转)和AOP(面向切面编程).在Spring中这两个核心思想都是基于设计模式实现的,IOC思想的实现基于工厂模式, ...

  8. Android 9.0网络权限适配

    在做Android开发时,使用华为的p20和平板(均为Android 9.0)测试时,发现不能使用WIFI网络,一番郁闷纠结查找后 直接上方法: 在res文件夹下创建xml文件夹,在xml里面创建文件 ...

  9. 轻量级.Net ORM SqlSuger项目实战

    SqlSuger,清垃圾ORM实战例子. //添加引用 using SqlSugar; //在构造函数中实例化SqlSuger clinet = new SqlSugarClient(new Conn ...

  10. Docker 0x08: Docker 命令

    目录 Docker 命令 run 与 start 区别 docker 进程相关命令 Restful API Docker 命令 docker命令容易混淆几个 run 与 start 区别 run: 会 ...