标签：index Series 28 36 课时 索引 DataFrame pd pandas

pandas

一. pandas之Series创建
首先，导入pandas工具包：
import pandas as pd

t = pd.Series([1,2,31,12,3,4],index=(“abcde”))
dtype: int64
class:‘pandas.core.series.Series’

通过字典创建一个Series:其中，索引就是字典的键

temp_dict = {"name":"xiaohong", "age":18, "tell":10088}
t3 = pd.Series(temp_dict)
print(t3)

修改dtype:
t1 = t.astype(float)
print(t1)

二. pandas之Series切片和索引
切片：直接传入start end或步长即可；
索引：一个的时候传入序号或者index,多个的时候传入序号或者index的列表。

Series对象本质上有两个数组构成，
一个数组构成对象的键（index,索引），一个数组构成对象的之（values）,键–>值

三. pandas读取外部数据

数据存储在csv中，直接使用pd.read_csv即可。

DataFrame
t = pd.DataFrame(np.arange(12).reshape((3,4)))

DataFrame对象既有行索引，又有列索引
行索引：表明不同行，横向索引，叫index, 0轴，axis=0
列索引：表明不同列，纵向索引，叫clumns，1轴，axis=1

DataFrame的基础属性：
t.shape # 行数 列数
t.dtypes #列数据类型
t.ndim #数据维度
t.index #行索引
t.columns #列索引
t.values # 对象值，二维ndarray数组

DataFrame整体情况查询
t.head() # 显示头几行，默认行
t.tail() #显示末尾几行，默认5行
t.infro() #相关信息概览：行数、列数、列索引、列非空值个数、列类型、内存占用
t.describe() #快速综合统计结果：计数、均值、标准差、最大值、四分位数、最小值

四. pandas之loc和iloc
1 df.loc通过标签索引行数据
*注意：冒号在loc里是闭合的，即会选择到冒号后面的数据

2 df.iloc通过位置获取行数据

五. pandas常用统计方法
.mean() #平均值
.tolist() #转为列表
.max() #最大值
.argmax() #最大值位置
.min() #最小值
.argmin() #最小值位置
.median() #中位数

标签：index,Series,28,36,课时,索引,DataFrame,pd,pandas
来源： https://blog.csdn.net/weixin_44618461/article/details/120462628

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。