pandas基本操作2
1、axes返回标签列表
import pandas as pd
import numpy as np
dates = pd.date_range('', periods=8)
df = pd.DataFrame(np.random.randn(8,4), index=dates, columns=list('ABCD'))
print("df:")
print(df)
print('-'*50)
print ("The axes are:")
print (df .axes)
print (df.empty)#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
D:\Download\python3\python3.exe D:/Download/pycharmworkspace/s.py
df:
A B C D
2017-01-01 -0.579966 -0.435075 0.308428 -0.684288
2017-01-02 -0.046761 0.209575 1.426686 -0.152909
2017-01-03 0.649144 -1.312502 -0.520895 -0.128796
2017-01-04 0.469305 0.738260 3.650268 -1.290882
2017-01-05 0.195328 -1.236598 0.245380 -0.845111
2017-01-06 0.886847 -0.946261 -0.884007 -0.527200
2017-01-07 1.002840 2.183883 0.709170 -0.618336
2017-01-08 -1.626558 -0.077388 -2.251855 -1.709279
--------------------------------------------------
The axes are:
[DatetimeIndex(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04',
'2017-01-05', '2017-01-06', '2017-01-07', '2017-01-08'],
dtype='datetime64[ns]', freq='D'), Index(['A', 'B', 'C', 'D'], dtype='object')] Process finished with exit code 0
2、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
print(df.empty)
3、
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2018/5/24 15:03
# @Author : zhang chao
# @File : s.py
from scipy import linalg as lg
#按标签选择
#通过标签选择多轴 import pandas as pd
import numpy as np
dates = pd.date_range('', periods=8)
s = pd.DataFrame(np.random.randn(8,4), index=dates, columns=list('ABCD'))
print("s:")
print(s)
print('-'*50)
print ("The axes are 数据的标签:")
print (s .axes)
print ("The dimensions of the object 数据的维数:")
print (s.ndim)
print ("Is the Object empty 是否为空?")
print (s.empty)
print ("The size of the object 元素数据所占的字节数:")
print (s.size) D:\Download\python3\python3.exe D:/Download/pycharmworkspace/s.py
s:
A B C D
2017-01-01 0.007545 0.688495 0.973736 0.487351
2017-01-02 -0.196882 0.936148 -1.264392 -0.828813
2017-01-03 0.127409 -0.276271 0.837958 -0.559367
2017-01-04 -0.464785 0.800002 0.663286 0.455558
2017-01-05 1.030087 0.031511 -0.043613 0.004243
2017-01-06 -0.024684 0.656596 0.944321 1.237634
2017-01-07 -0.606596 0.464559 -0.071484 0.035291
2017-01-08 0.527749 0.409902 0.752180 1.407739
--------------------------------------------------
The axes are 数据的标签:
[DatetimeIndex(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04',
'2017-01-05', '2017-01-06', '2017-01-07', '2017-01-08'],
dtype='datetime64[ns]', freq='D'), Index(['A', 'B', 'C', 'D'], dtype='object')]
The dimensions of the object 数据的维数:
2
Is the Object empty 是否为空?
False
The size of the object 元素数据所占的字节数:
32 Process finished with exit code 0
pandas基本操作2的更多相关文章
- Python数据分析库pandas基本操作
Python数据分析库pandas基本操作2017年02月20日 17:09:06 birdlove1987 阅读数:22631 标签: python 数据分析 pandas 更多 个人分类: Pyt ...
- Pandas基本操作
pandas:数据分析 pandas是一个强大的Python数据分析的工具包. pandas是基于NumPy构建的. pandas的主要功能 具备对其功能的数据结构DataFrame.Series 集 ...
- pandas 基本操作
1. 一维数据结构Series a. 概念:Series 是pandas 的一维数据结构,有重要的两个属性 index 和values b. 初始化: 可以通过 python 的 Lis ...
- 2019-03-25 Python Pandas 基本操作
新建表 data1 = { "name": ["Tom", "Bob", "Mary", "James&quo ...
- 数据分析之pandas教程-----概念篇
目录 1 pandas基本概念 1.1 pandas数据结构剖析 1.1.1 Series 1.1.2 DataFrame 1.1.3 索引 1.1.4 pandas基本操作 1.1.4. ...
- Python模块简介及安装 [numpy,pandas,matplotlib,scipy,statsmodels,Gensim,sklearn,keras]
https://pan.baidu.com/s/1bpVv3Ef 67bd 模块安装文件下载地址 pip install "numpy-1.12.0b+mkl-cp35- ...
- pandas 按照某一列进行排序
pandas排序的方法有很多,sort_values表示根据某一列排序 pd.sort_values("xxx",inplace=True) 表示pd按照xxx这个字段排序,inp ...
- 基于pandas进行数据预处理
很久没用pandas,有些有点忘了,转载一个比较完整的利用pandas进行数据预处理的博文:https://blog.csdn.net/u014400239/article/details/70846 ...
- Python的工具包[1] -> pandas数据预处理 -> pandas 库及使用总结
pandas数据预处理 / pandas data pre-processing 目录 关于 pandas pandas 库 pandas 基本操作 pandas 计算 pandas 的 Series ...
随机推荐
- 按行读取.txt文件,并按行写入到新文件中
package com.test.io; import java.io.BufferedReader; import java.io.BufferedWriter; import java.io.Fi ...
- define和const的一点点小知识
define篇 1.#define 的作用 在C或C++语言源程序中允许用一个标识符来表示一个字符串,称为“宏”. 被定义为“宏”的标识符称为“宏名”. 在编译预处理时,对程序中所有出现的“宏名”,都 ...
- 【Codeforces 1132D】Stressful Training
Codeforces 1132 D 题意:给\(n\)个电脑的电量和耗电速度,你可以买一个充电器,它的充电速度是每秒\(v\)单位,\(v\)你自己定.问最小的\(v\)能使得在\(k\)秒内每秒给某 ...
- Android Universal Image Loader java.io.FileNotFoundException: http:/xxx/lxx/xxxx.jpg
前段时间在使用ImageLoader异步加载服务端返回的图片时总是出现 java.io.FileNotFoundException: http://xxxx/l046/10046137034b1c0d ...
- JSON构造/解析(by C)---cJSON和json-c
背景 JSON即JavaScript Object Notation,是一种轻量级的数据交换格式. JSON建构于两种结构: "名称/值"对的集合(A collection of ...
- android 之TCP客户端编程
补充,由于这篇文章是自己入门的时候写的,随着Android系统的升级可能有发送需要在任务 中进行,如有问题请百度 thread 或者看下面链接的文章 https://www.cnblogs.com/y ...
- 3.《想成为黑客,不知道这些命令行可不行》(Learn Enough Command Line to Be Dangerous)——检查文件
上面我们已经学过如何创建及操作文件,现在我们再来学习检查内容.当文件太长以至于屏幕一页显示不完时,这显得尤其重要.特殊情形下,如我们在第2.1章节开始部分中使用cat命令将内容展示到屏幕上,但这对于长 ...
- Winio驱动在64位windows下无法使用的解决方法
C#在使用WinIo的驱动开发类似按键精灵一类工具的时候,需要对相关的驱动进行注册才能正常启动,找了下资料,资料来自: http://jingyan.baidu.com/article/642c9d3 ...
- odoo在底部显示指定字段合计和汇总时显示合计
1.odoo的tree视图底部显示合计 tree 视图,底部显示指定字段合计数 ,视图中字段定义上在sum,取自sale.view_order_tree 销售订单 tree 视图 <field ...
- 学习ML.NET(1): 构建流水线
ML.NET使用LearningPipeline类定义执行期望的机器学习任务所需的步骤,让机器学习的流程变得直观. 下面用鸢尾花瓣预测快速入门的示例代码讲解流水线是如何工作的. using Micro ...