Python练习:初别Pandas
# Pandas安装
- Anaconda 安装: conda install pandas 或者pip install pandas 参考 http://pandas.pydata.org/
## Series 示例
- 定义方式如下
>>>s1 = Series(['张三','男',25,'北京'])
>>>print(s1)
0 张三
1 男
2 25
3 北京
dtype: object
- 带索引定义
>>>s2 = Series(['张三','男',25,'北京'],index=['Name','Sex','Age','Addr'])
>>>s3 = Series(['张三','男',25,'北京'],['Name','Sex','Age','Addr'])
>>>print(s2)
Name 张三
Sex 男
Age 25
Addr 北京
dtype: object
>>>print(s3)
Name 张三
Sex 男
Age 25
Addr 北京
dtype: object
- 传入字典方式
>>>dic = {'Name':'张三','Sex':'男','Age':25,'Addr':'北京'}
>>> s4 = Series(dic)
>>>print(s4)
Name 张三
Sex 男
Age 25
Addr 北京
dtype: object
- 访问索引和值
>>>s4.index
Index(['Nmae', 'Sex', 'Age', 'Addr'], dtype='object')
>>>s4.values
array(['张三', '男', 25, '北京'], dtype=object)
>>>s4.index
Index(['Name', 'Sex', 'Age', 'Addr'], dtype='object')
>>>
>>>s4.values
array(['张三', '男', 25, '北京'], dtype=object)
## DataFrame
- DataFrame 是一种二维的数据结构,非常接近于电子表格或者类似 mysql 数据库的形式。它的竖行称之为 columns,横行跟前面的 Series 一样,称之为 index,也就是说可以通过 columns 和 index 来确定一个主句的位置。
- 示例
>>>data = {'年级':['一年级','二年级','三年级'], '班数':[10, 8, 8 ], '主任':['张老师', '李老师', '王老师']}
>>>Df = DataFrame(data)
>>>print(Df)
年级 班数 主任
0 一年级 10 张老师
1 二年级 8 李老师
2 三年级 8 王老师
>>>Df2= DataFrame(data, index=['a', 'b', 'c'])
>>>print(Df2)
年级 班数 主任
a 一年级 10 张老师
b 二年级 8 李老师
c 三年级 8 王老师
>>>
>>>Df['年级']
0 一年级
1 二年级
2 三年级
Name: 年级, dtype: object
>>>Df['班数'][0] = 9
>>>print(Df)
年级 班数 主任
0 一年级 9 张老师
1 二年级 10 李老师
2 三年级 10 王老师
>>>Df['班数'][1] = 11
>>>print(Df)
年级 班数 主任
0 一年级 9 张老师
1 二年级 11 李老师
2 三年级 10 王老师
>>>Df['班数'] = 11
>>>print(Df)
年级 班数 主任
0 一年级 11 张老师
1 二年级 11 李老师
2 三年级 11 王老师
>>>
Python练习:初别Pandas的更多相关文章
- python及numpy,pandas易混淆的点
https://blog.csdn.net/happyhorizion/article/details/77894035 初接触python觉得及其友好(类似matlab),尤其是一些令人拍案叫绝不可 ...
- 利用Python进行数据分析(12) pandas基础: 数据合并
pandas 提供了三种主要方法可以对数据进行合并: pandas.merge()方法:数据库风格的合并: pandas.concat()方法:轴向连接,即沿着一条轴将多个对象堆叠到一起: 实例方法c ...
- 利用Python进行数据分析(9) pandas基础: 汇总统计和计算
pandas 对象拥有一些常用的数学和统计方法. 例如,sum() 方法,进行列小计: sum() 方法传入 axis=1 指定为横向汇总,即行小计: idxmax() 获取最大值对应的索 ...
- 利用Python进行数据分析(8) pandas基础: Series和DataFrame的基本操作
一.reindex() 方法:重新索引 针对 Series 重新索引指的是根据index参数重新进行排序. 如果传入的索引值在数据里不存在,则不会报错,而是添加缺失值的新行. 不想用缺失值,可以用 ...
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍
一.pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主要目的是为了数据分析.它提供了大量高级的数据结构和对数据处理的方法. pandas 有两个主要的数据结构 ...
- python安装numpy和pandas
最近要对一系列数据做同比比较,需要用到numpy和pandas来计算,不过使用python安装numpy和pandas因为linux环境没有外网遇到了很多问题就记下来了.首要条件,python版本必须 ...
- [转] python安装numpy和pandas
最近要对一系列数据做同比比较,需要用到numpy和pandas来计算,不过使用python安装numpy和pandas因为linux环境没有外网遇到了很多问题就记下来了.首要条件,python版本必须 ...
- Python数据分析入门之pandas基础总结
Pandas--"大熊猫"基础 Series Series: pandas的长枪(数据表中的一列或一行,观测向量,一维数组...) Series1 = pd.Series(np.r ...
- 【转载】python安装numpy和pandas
转载:原文地址 http://www.cnblogs.com/lxmhhy/p/6029465.html 最近要对一系列数据做同比比较,需要用到numpy和pandas来计算,不过使用python安装 ...
随机推荐
- 《团队作业第一周》五小福团队作业——UNO
<团队作业第一周>团队作业--UNO 一.团队展示 队员学号 队名:五小福 (真是个红红火火恍恍惚惚的队名)> 拟作的团队项目描述 基于安卓开发的有趣味性的UNO纸牌小游戏 队员风采 ...
- Python requests--初识接口自动化
requests模块初级宝典:http://docs.python-requests.org/zh_CN/latest/user/quickstart.htmlrequests模块之葵花宝典:http ...
- dnsmasq配置
介绍 dnsmasq是一个dns和dhcp服务 参数说明 dhcp-sequential-ip 默认情况下Dnsmasq分配ip是根据目标机的mac地址按一定的hash规则来的.这样每个目标机在租约期 ...
- css3 @keyframes、transform详解与实例
一.transform 和@keyframes动画的区别: @keyframes动画是循环的,而transform 只执行一遍. 二.@keyframes CSS3中添加的新属性animation是用 ...
- redis安装(单节点)
# tar -zxvf redis.tar.gz # cd redis 安装(使用 PREFIX 指定安装目录): # make PREFIX=/usr/local/redis install 安装完 ...
- 封装jdbc、DBUtil
package com.cmos.util; import java.io.IOException; import java.io.InputStream; import java.sql.Conne ...
- spring boot 加载application配置文件
这就要注意了
- Hibernate用注解方式实现一对多、多对多关系
一.一对多关系 1.在上一篇日志中用.xml配置文件项目基础上,再往lib目录先添加一个包-hibernate-jpa-2.0-api-1.0.0.Final.jar 2.新建一个com.st.bea ...
- Hibernate-day04
HIbernate中的HQL查询 Hibernate中的查询方式:1,使用HQL:使用hibernate提供的面向对象的查询语句;2,使用SQL:在hibernate中允许使用原生的SQL直接查询;3 ...
- sql server里中自增长的ID重新开始排
dbcc checkident('tablename',reseed,0); 执行:dbcc checkident('TableA',reseed,0); 执行结束:中途报了几次插入重复键. 结论:用 ...