摘要:
@ 一、读取普通分隔数据:read_table 可以读取txt,csv data1 = pd.read_table('data1.txt', delimiter=',',header = 0, index_col=1) print(data1) # delimiter:用于拆分的字符,也可以用sep
阅读全文
posted @ 2020-06-18 20:15
一抹烟霞
阅读(133)
推荐(0)
编辑
摘要:
@ 分组统计 - groupby功能 根据某些条件将数据拆分成组 对每个组独立应用函数 将结果合并到一个数据结构中 Dataframe在行(axis=0)或列(axis=1)上进行分组,将一个函数应用到各个分组并产生一个新值,然后函数执行结果被合并到最终的结果对象中。 df.groupby(by=N
阅读全文
posted @ 2020-06-18 20:07
一抹烟霞
阅读(256)
推荐(0)
编辑
摘要:
@ Pandas具有全功能的,高性能内存中连接操作,与SQL等关系数据库非常相似 pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,left_index=False, right_index=False,
阅读全文
posted @ 2020-06-18 19:42
一抹烟霞
阅读(6858)
推荐(0)
编辑
摘要:
@ 一、常用方法 通过str访问,且自动排除丢失/ NA值 s = pd.Series(['A','b','C','bbhello','123',np.nan,'hj']) df = pd.DataFrame({'key1':list('abcdef'), 'key2':['hee','fv','w
阅读全文
posted @ 2020-06-18 17:36
一抹烟霞
阅读(222)
推荐(0)
编辑
摘要:
@ 和numpy的操作基本一致 基本参数:axis、skipna # 基本参数:axis、skipna import numpy as np import pandas as pd df = pd.DataFrame({'key1':[4,5,3,np.nan,2], 'key2':[1,2,np.
阅读全文
posted @ 2020-06-18 17:03
一抹烟霞
阅读(268)
推荐(0)
编辑
摘要:
@ 一、数据查看、转置 # 数据查看、转置 df = pd.DataFrame(np.random.rand(16).reshape(8,2)*100, columns = ['a','b']) print(df.head(2))# .head()查看头部数据 print(df.tail())# .
阅读全文
posted @ 2020-06-18 16:44
一抹烟霞
阅读(437)
推荐(0)
编辑
摘要:
@ 一、索引 Series和Datafram索引的原理一样,我们以Dataframe的索引为例 1.1 列索引:df['列名'] (Series不存在列索引) df = pd.DataFrame(np.random.rand(12).reshape(3,4)*100, index = ['one',
阅读全文
posted @ 2020-06-18 16:20
一抹烟霞
阅读(257)
推荐(0)
编辑