在進行下面的題目操作時,壹定要先導入上面的兩個數據分析包 pandas、numpy
1. 如何用Python的列表創建壹個series?
輸出:
壹個series是壹個壹維的標記數組,可以容納任何數據類型(整數、字符串、浮點數、Python對象等)。必須記住,與Python列表不同,壹個series總是包含相同類型的數據。
2.如何使用列表創建壹個DataFrame?
輸出:
3.如何使用Series 字典對象生成 DataFrame?
輸出:
4.如何在pandas中創建壹個空的DataFrame?
要創建壹個完全空的pandas dataframe,我們使用以下操作:
輸出:
已知有這樣的數據,如何進行查看
輸出:
2.如何查看尾部數據?
3.如何快速查看數據的統計摘要?
4.如何查詢索引和列名?
1.簡述Pandas Index
在panda中建立索引意味著簡單地從DataFrame中選擇特定的數據行和列。
pandas支持四種類型的多軸索引,它們是:
它們統稱為索引器。這些是迄今為止索引數據最常見的方法。這四個函數有助於從DataFrame獲取元素、行和列。
2.Pandas 定義重新索引(Reindexing)
重新索引會更改DataFrame的行標簽和列標簽。重新索引意味著使數據符合特定軸上給定的壹組標簽。
多個操作可以通過像這樣的索引來完成:
輸出:
3.如何設置索引?
panda set_index() 是壹種將列表、序列或dataframe設置為dataframe索引的方法。
語法:
DataFrame.set_index(keys, inplace=False)
參數:
改變索引列
在本例中,名稱列被用作DataFrame的索引列
輸出:
如輸出圖像所示,以前索引列是壹系列數字
Before Operation –
After Operation
4.如何重置索引?
Pandas Series.reset_index()
函數的作用是:生成壹個新的DataFrame或帶有重置索引的Series。
例1: 使用 Series.reset_index() 函數重置給定Series對象的索引
輸出:
現在,我們將使用Series.reset_index()函數來重置給定的series對象的索引
輸出 :
從輸出中可以看到,該 Series.reset_index() 函數已將給定Series對象的索引重置為默認值。它保留了索引,並將其轉換為列。
1.1先創建數據:
1.2選擇單列,產生 Series
詳見 按標簽選擇 。
2.1用標簽提取壹行數據:
詳見 按位置選擇 。
3.1用整數位置選擇:
4.1用單列的值選擇數據:
5.1用索引自動對齊新增列的數據:
1.如何得到壹個數列的最小值、第25百分位、中值、第75位和最大值?
輸出:
Pandas dataframe.mean(axis=None) 函數返回所請求軸(axis=0代表對列進行求平均值,axis=1代表對行進行求平均值)的值的平均值。
示例: 使用 mean() 函數查找索引軸上所有觀測值的平均值。
輸出:
讓我們使用datafame .mean()函數來查找索引軸上的平均值。
3.如何將函數應用到DataFrame中的每個數據元素?
可以使用 apply() 函數以便將函數應用於給定dataframe中的每壹行。讓我們來看看我們完成這項任務的方式。
實例:
輸出:
4.如何在panda中獲得壹個DataFrame的行數和列數?
輸出:
獲取df的行和列計數
輸出:
5.如何在panda DataFrame中獲得列值的總和?
Pandas dataframe.sum() 函數返回所請求軸的值的和
語法: DataFrame.sum(axis=None, skipna=None, )
參數:
示例1: 使用 sum() 函數查找索引軸上所有值的總和
現在求出沿索引軸的所有值的和。我們將跳過計算和時的NaN值。
輸出:
如何將新行追加到pandas DataFrame?
Pandas dataframe.append() 函數的作用是:將其他dataframe的行追加到給定的dataframe的末尾,返回壹個新的dataframe對象。
語法:
DataFrame.append( ignore_index=False,)
參數:
示例1: 創建兩個數據框,然後將第二個附加到第壹個。
現在將df2附加到df1的末尾
輸出:
請註意,第二個DataFrame的索引值保留在附加的DataFrame中。如果我們不希望發生這種情況,則可以設置ignore_index = True。
輸出 :
“group by” 指的是涵蓋下列壹項或多項步驟的處理流程:
詳見 分組 。
輸出:
1.先分組,再用 sum() 函數計算每組的匯總數據:
輸出:
2.多列分組後,生成多層索引,也可以應用 sum 函數:
輸出:
如何將numpy數組轉換為給定形狀的DataFrame?
輸出:
輸出:
透視表是壹種可以對數據動態排布並且分類匯總的表格格式,在pandas中它被稱作pivot_table。
pivot_table(data, values=None, index=None, columns=None)
參數:
詳見: 數據透視表
打印輸出:
用上述數據生成數據透視表非常簡單:
返回結果:
1.如何將列添加到pandas DataFrame?
源數據:
輸出:
輸出:
2.如何向panda DataFrame添加索引、行或列?
向DataFrame添加索引
如果您創建了壹個DataFrame, panda允許將輸入添加到索引參數中。它將確保您擁有所需的索引。否則,在默認情況下,DataFrame包含壹個數值索引,該索引從0開始,在DataFrame的最後壹行結束。
向DataFrame添加行、列
我們可以使用.loc、iloc和ix將行、列插入到DataFrame中。
添加具有特定索引名的行:
輸出:
3.如何在panda DataFrame上進行叠代?
您可以通過結合使用for循環和對DataFrame的iterrows()調用來遍歷DataFrame的行。
輸出:
4.我們如何排序DataFrame?
我們可以通過以下幾種有效地在DataFrame中執行排序:
(1)按標簽
可以使用sort_index()方法對數據dataframe進行排序。可以通過傳遞axis參數和排序順序來實現。默認情況下,按升序對行標簽進行排序。