Python数据分析_Pandas01_数据框的创建和选取
主要内容:
- 创建数据表
- 查看数据表
- 数据表索引、选取部分数据
- 通过标签选取
.loc - 多重索引选取
- 位置选取
.iloc - 布尔索引
- 通过标签选取
Object Creation 新建数据
- 用list建series序列
In [73]: s = pd.Series([1,3,5,np.nan,6,8])
In [74]: s
Out[74]:
0 1.0
1 3.0
2 5.0
3 NaN
4 6.0
5 8.0
dtype: float64
- 用numpy array建dataframe
In [75]: dates = pd.date_range('20130101', periods=6)
In [76]: df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
In [77]: df
Out[77]:
A B C D
2013-01-01 -0.411674 0.273549 0.629843 1.881497
2013-01-02 1.240512 0.970725 0.033099 1.553420
2013-01-03 -0.544326 0.545738 -1.325810 0.130738
2013-01-04 1.044803 -0.117151 0.874583 2.278227
2013-01-05 -2.194728 -2.536257 0.478644 0.057728
2013-01-06 -1.092031 1.249952 1.598761 -0.153423
#---pd.date_range?---
In [115]: pd.date_range(start='12/31/2011', end='12/31/2013', freq='A')
Out[115]: DatetimeIndex(['2011-12-31', '2012-12-31', '2013-12-31'], dtype='datetime64[ns]', freq='A-DEC')
- 用dictionary
In [78]: df2 = pd.DataFrame({ 'A' : 1.,
...: 'B' : pd.Timestamp('20130102'),
...: 'C' : pd.Series(1,index=list(range(4)),dtype='float32'),
...: 'D' : np.array([3] * 4,dtype='int32'),
...: 'E' : pd.Categorical(["test","train","test","train"]),
...: 'F' : 'foo' })
...: df2
...:
Out[78]:
A B C D E F
0 1.0 2013-01-02 1.0 3 test foo
1 1.0 2013-01-02 1.0 3 train foo
2 1.0 2013-01-02 1.0 3 test foo
3 1.0 2013-01-02 1.0 3 train foo
In [80]: df2.dtypes
Out[80]:
A float64
B datetime64[ns]
C float32
D int32
E category
F object
dtype: object
在ipython中可以使用<tab>键进行自动补充,它会列出数据对象可以执行的操作。
查看数据
df.head()
df.tail(3)
df.index
df.columns #返回一个这样的东西:pandas.indexes.numeric.Int64Index
df.values #提取出数据框的数值,返回一个array
数据选取
建议 使用pandas的数据选取方法:.at, .iat, .loc, .iloc, .ix. 这些更高效。
df['A'] # 选取某一列,返回一个Series,== df.A,【只能选某一列,不能用":"多选。】
df[0:3] # 选行
df['20130102':'20130104']
通过标签label选取,.loc
用.loc[]选取数据时,方括号里对应的是:[行,列](逗号分隔),如果只有一个值,默认是行。可以用“:”。
In [82]: df
Out[82]:
A B C D
2013-01-01 -0.411674 0.273549 0.629843 1.881497
2013-01-02 1.240512 0.970725 0.033099 1.553420
2013-01-03 -0.544326 0.545738 -1.325810 0.130738
2013-01-04 1.044803 -0.117151 0.874583 2.278227
2013-01-05 -2.194728 -2.536257 0.478644 0.057728
2013-01-06 -1.092031 1.249952 1.598761 -0.153423 In [83]: df.loc[dates[0]] # 作为index的日期列叫dates
Out[83]:
A -0.411674
B 0.273549
C 0.629843
D 1.881497
Name: 2013-01-01 00:00:00, dtype: float64 #---对多个维度轴axis进行选取---
In [84]: df.loc['20130102':'20130104',['A','B']]
Out[84]:
A B
2013-01-02 1.240512 0.970725
2013-01-03 -0.544326 0.545738
2013-01-04 1.044803 -0.117151 #---选取某个数值---
In [85]: df.loc[dates[0],'A']
Out[85]: -0.41167416696608039 In [86]: df.at[dates[0],'A'] # 更高效的做法
Out[86]: -0.41167416696608039多重索引的选取
index有多个维度
#这里有一个多重索引
MultiIndex(levels=[[1, 2, 3], ['count', 'mean', 'std', 'min', '5%', '10%', '15.0%', '20%', '25%',
'30.0%', '35%', '40%', '45%', '50%', '55.0%', '60.0%', '65%', '70%',
'75%', '80%', '85.0%', '90%', '95%', 'max']],
labels=[[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2],
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20,
21, 22, 23, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,
18, 19, 20, 21, 22, 23, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14,
15, 16, 17, 18, 19, 20, 21, 22, 23]],
names=['label_1', None]) df[columnName] #选某一列,或多列(":",[,,,])
df.loc[:,columnName] #选某一列,或多列(":",[,,,])
df.loc[1,columnName] #可以直接用最外层的索引
df.loc[(1,'std'),columnName] #多层索引要用tuple。选多行用":"连接tuple。
df.loc[[(1,'std'),(2,"count")],'feature_001']
用位置选取:.iloc
.lic[],位置索引,方括号里是整数值。同样的用“,”隔开行列。
In [93]: df.iloc[3]
Out[93]:
A 1.044803
B -0.117151
C 0.874583
D 2.278227
Name: 2013-01-04 00:00:00, dtype: float64 In [94]: df.iloc[3:5,0:2]
Out[94]:
A B
2013-01-04 1.044803 -0.117151
2013-01-05 -2.194728 -2.536257 In [95]: df.iat[1,1]
Out[95]: 0.97072539301549565
**布尔索引 **Boolean Indexing
某一列大于0的数据
In [96]: df[df.A > 0]
Out[96]:
A B C D
2013-01-02 1.240512 0.970725 0.033099 1.553420
2013-01-04 1.044803 -0.117151 0.874583 2.278227
整体大于零的数据。小于0的为NaN
In [97]: df[df > 0]
Out[97]:
A B C D
2013-01-01 NaN 0.273549 0.629843 1.881497
2013-01-02 1.240512 0.970725 0.033099 1.553420
2013-01-03 NaN 0.545738 NaN 0.130738
2013-01-04 1.044803 NaN 0.874583 2.278227
2013-01-05 NaN NaN 0.478644 0.057728
2013-01-06 NaN 1.249952 1.598761 NaN
对字符型数据选取
#---isin ---
In [98]: df2 = df.copy()
...: df2['E'] = ['one', 'one','two','three','four','three']
...: df2
...:
Out[98]:
A B C D E
2013-01-01 -0.411674 0.273549 0.629843 1.881497 one
2013-01-02 1.240512 0.970725 0.033099 1.553420 one
2013-01-03 -0.544326 0.545738 -1.325810 0.130738 two
2013-01-04 1.044803 -0.117151 0.874583 2.278227 three
2013-01-05 -2.194728 -2.536257 0.478644 0.057728 four
2013-01-06 -1.092031 1.249952 1.598761 -0.153423 three In [99]: df2[df2['E'].isin(['two','four'])]
Out[99]:
A B C D E
2013-01-03 -0.544326 0.545738 -1.325810 0.130738 two
2013-01-05 -2.194728 -2.536257 0.478644 0.057728 four
使用布尔面具
In [107]: mask = df2["A"] >0 In [108]: df3 = df2[mask] In [109]: df3
Out[109]:
A B C D E
2013-01-02 1.240512 0.970725 0.033099 1.553420 ONE
2013-01-04 1.044803 -0.117151 0.874583 2.278227 THREE # 查看无重复的值:.unique()
In [101]: df2.loc[:,"E"].unique()
Out[101]: array(['one', 'two', 'three', 'four'], dtype=object)
Python数据分析_Pandas01_数据框的创建和选取的更多相关文章
- python数据分析笔记——数据加载与整理]
[ python数据分析笔记——数据加载与整理] https://mp.weixin.qq.com/s?__biz=MjM5MDM3Nzg0NA==&mid=2651588899&id ...
- Python中dataframe数据框中选择某一列非空的行
利用pandas自带的函数notnull可以很容易判断某一列是否为null类型,但是如果这一列中某一格为空字符串"",此时notnull函数会返回True,而一般我们选择非空行并不 ...
- Python数据分析--------numpy数据打乱
一.shuffle函数: import numpy.random def shuffleData(data): np.random.shufflr(data) cols=data.shape[1] X ...
- (数据科学学习手札06)Python在数据框操作上的总结(初级篇)
数据框(Dataframe)作为一种十分标准的数据结构,是数据分析中最常用的数据结构,在Python和R中各有对数据框的不同定义和操作. Python 本文涉及Python数据框,为了更好的视觉效果, ...
- Python数据分析之pandas学习
Python中的pandas模块进行数据分析. 接下来pandas介绍中将学习到如下8块内容:1.数据结构简介:DataFrame和Series2.数据索引index3.利用pandas查询数据4.利 ...
- Pandas系列(二)- DataFrame数据框
一.初识DataFrame dataFrame 是一个带有索引的二维数据结构,每列可以有自己的名字,并且可以有不同的数据类型.你可以把它想象成一个 excel 表格或者数据库中的一张表DataFram ...
- python 数据分析--pandas
接下来pandas介绍中将学习到如下8块内容:1.数据结构简介:DataFrame和Series2.数据索引index3.利用pandas查询数据4.利用pandas的DataFrames进行统计分析 ...
- Python数据分析之pandas
Python中的pandas模块进行数据分析. 接下来pandas介绍中将学习到如下8块内容:1.数据结构简介:DataFrame和Series2.数据索引index3.利用pandas查询数据4.利 ...
- Python数据分析与展示[第三周](pandas简介与数据创建)
第三周的课程pandas 分析数据 http://pandas.pydata.org import pandas as pd 常与numpy matplotlib 一块定义 d=pd.Series(r ...
随机推荐
- Win10:已禁用IME
问题 windows10莫名其妙地禁用了IME,导致的结果便是浏览器不能输入中文. 百度搜索的答案都是tmd 控制中心-->管理-->任务XXX,但是我的 任务XXX打不开啊. 解决 go ...
- 【linux基础】vim多窗口功能
前言 实现多个文档文件在同一个屏幕上显示多个窗口. 实现过程 在指令列模式输入『:sp {filename}』即可!那个 filename 可有可无, 如果想要在新窗口启动另一个文件,filename ...
- 【其他】msb-lsb-intel-motorola大小端问题
MSB(Most Significant Bit) 最高有效位: LSB(Least Significant Bit) 最低有效位 intel格式:低字节在前 Motorola格式:高字节在前 参考1 ...
- word-如何将文字设置为插入超链接
前言 使用word有时候想要将文字部分设置为插入超链接,本文对此进行介绍. 操作步骤 1. 输入需要插入链接的文字部分: 2. 选中文字部分单击右键,点击超链接进行插入: 具体操作如下图所示: 参考 ...
- Codeforces1106F 【BSGS】【矩阵快速幂】【exgcd】
首先矩阵快速幂可以算出来第k项的指数,然后可以利用原根的性质,用bsgs和exgcd把答案解出来 #include<bits/stdc++.h> using namespace std; ...
- 51Nod:1268 和为K的组合
1268 和为K的组合 基准时间限制:1 秒 空间限制:131072 KB 分值: 20 难度:3级算法题 收藏 关注 给出N个正整数组成的数组A,求能否从中选出若干个,使他们的和为K.如果可以 ...
- Apache和Nginx的Rewrite规则对比
一.Apache的rewrite 1.Rewrite规则简介: Rewirte主要的功能就是实现URL的跳转,它的正则表达式是基于Perl语言.可基于服务器级的(httpd.conf)和目录级的(.h ...
- 使用python生成词云
什么是词云呢? 词云就是一些关键词组成的一个图片.大家在网上经常看到,下面看一些例子: 那用python生成一个词云的话怎么办呢,首先要有一些词,咱们随便找个吧,用see you again的歌词好了 ...
- 函数对象(functional)
来自STL中的概念:如果f是一个function object,则可以将operator()作用于f身上. 调用函数对象时构造函数和operator()执行顺序 首先执行构造函数,构造出一个匿名对象 ...
- Mac 下安装python3.7 + pip 利用 chrome + chromedriver + selenium 自动打开网页并自动点击访问指定页面
1.安装python3.7https://www.python.org/downloads/release/python-370/选择了这个版本,直接默认下一步 2.安装pipcurl https:/ ...