03.pandas数据DataFrame

2020-03-07 21:05:11 阅读：232 来源： 互联网

标签：03 145 frame DataFrame 115 130 135 print pandas

import pandas as pd
#1.
columns=["数学","英语","语文","理科综合","文科综合"]
index=["top2","c9","985","211","1本","2本","3本","大专"]
data={
    "数学":[145,140,135,130,125,120,115,100],
    "英语":[145,140,135,130,125,120,115,100],
    "语文":[145,140,135,130,125,120,115,100],
    "理科综合":[145*2,140*2,135*2,130*2,125*2,120*2,115*2,100*2]
    # "文科综合":[145*2,140*2,135*2,130*2,125*2,120*2,115*2,100*2]
}
frame=pd.DataFrame(data=data,columns=columns,index=index)#创建数据框架
#空缺索引会使用默认数字索引

#2.
columns=["数学","英语","语文","理科综合","文科综合"]
data={
    "数学":[145,140,135,130,125,120,115,100],
    "英语":[145,140,135,130,125,120,115,100],
    "语文":[145,140,135,130,125,120,115,100],
    "理科综合":[145*2,140*2,135*2,130*2,125*2,120*2,115*2,100*2]
    # "文科综合":[145*2,140*2,135*2,130*2,125*2,120*2,115*2,100*2]
}
frame=pd.DataFrame(data=data,columns=columns)#创建数据框架

#一、取出列
print(frame["数学"])
print(frame.数学)#都是series类型
print(frame[["数学","语文"]])#取出多列
#print(frame["数学":"语文"])语文数学必须是数字

#二、取出行 loc可以在[]内填写自定义索引；iloc不行，只能是数字索引
print(frame.ix[0])#取出元素数字索引时取出第一行，其他索引需要把0换成其他
print(frame.loc[0])#取出第一行元素
print(frame.iloc[0])#取出第一行元素
print(frame.ix[0:3])#取出多行
print(frame.loc[["top2","c9"]])
print(frame.loc[0:3])#取出多行，根据自定义索引
print(frame.iloc[0:3])#取出多行，根据数据索引

#三、取出多行多列
print(frame[["数学","语文"]][0:3])#取出语文数学前三行
print(frame[["数学","语文"]].loc[["top2","c9"]])
print(frame[["数学","语文"]].iloc[0:2])

#四、 取出元素
print(frame["数学"][0])#取出元素
print(frame.数学[0])#取出元素
print(frame.iloc[0][0])#取出元素
#一维数组是Serious 多行数组是DataFrame

#3.
columns=["数学","英语","语文","理科综合","文科综合"]
index=["top2","c9","985","211","1本","2本","3本","大专"]
data={
    "数学":[145,140,135,130,125,120,115,100],
    "英语":[145,140,135,130,125,120,115,100],
    "语文":[145,140,135,130,125,120,115,100],
    "理科综合":[145*2,140*2,135*2,130*2,125*2,120*2,115*2,100*2]
    # "文科综合":[145*2,140*2,135*2,130*2,125*2,120*2,115*2,100*2]
}
frame=pd.DataFrame(data=data,columns=columns,index=index)#创建数据框架

标签：03,145,frame,DataFrame,115,130,135,print,pandas
来源： https://www.cnblogs.com/wcyMiracle/p/12437030.html

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。

ICode9

03.pandas数据DataFrame