当前位置:首页 > 编程教程 > Python技术文章 > Python Pandas数据结构简单介绍

Python Pandas数据结构知识点总结

  • 发布时间:
  • 作者:码农之家
  • 点击:99

这篇文章主要知识点是关于python、pandas、数据结构、的内容,如果大家想对相关知识点有系统深入的学习,可以参阅以下电子书

Python核心编程
Python核心编程超清第3版
  • 类型:Python编程大小:22.4 MB格式:PDF作者:卫斯理
立即下载

Python Pandas数据结构简单介绍

Series

Series 类似一维数组,由一组数据及一组相关数据标签组成。使用pandas的Series类即可创建。

import pandas as pd
s1 = pd.Series(['a', 'b', 'c,', 'd'])
print(s1)
#输出: 0   a 
#   1   b
#   2   c
#   3   d
#   dtype: object

上面是传入一个列表实现,上面的0,1,2,3就是数据的默认标签。另外可以通过index属性自定义标签。

s2 = pd.Series(['1', '2', '3,', '4'],index=['a', 'b', 'c,', 'd']) # index设置自定义索引
print(s2)

另外Series还可以通过字典传参。

s3 = pd.Series({'a':1,'b':2})
print(s3.values) # 通过values获取它的值

DataFrame

DataFrame是由一组数据和一组索引组成的数据结构,有行索引和列索引。和excel类似,是一种表格型数据结构。下面的就是一种简单的DataFrame数据格式

   技能 
 0  python 
 1  Java

DataFrame类中可传入列表实例化一个dataframe的表格数据对象,此时行和列索引默认都是0.常见的是传入嵌套的列表,嵌套的里面的列表也可以是元祖,如果不指定索引行列索引都是从0,1开始自增,并可以通过columns、index自定义的列索引和行索引。详见下面的代码。

import pandas as pd
df2 = pd.DataFrame([('a','A'),('b','B'),('c','C'),('d','D')]) # 传一个嵌套列表,嵌套里的数据可以是元祖,也可是列表
print(df2)

输出的格式如下:

  0   1 

0  a  A 

1  b  B 

2  c  C 

3  d  D
df3 = pd.DataFrame([('a','A'),('b','B'),('c','C'),('d','D')],columns=['小写','大写'])
print(df3)
  小写 大写 

0 a    A

1 b    B

2 c    C

3 d    D

DataFrame类中也可传入字典来实例化一个dataframe的表格数据对象,此时字典的key就相当于列索引,此时行索引默认还是从0开始,另外也可通过 index来自定义列索引。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持码农之家。

以上就是本次给大家分享的关于java的全部知识点内容总结,大家还可以在下方相关文章里找到相关文章进一步学习,感谢大家的阅读和支持。

您可能感兴趣的文章:

  • 实例讲述Python中pandas模块使用方法
  • 本文实例讲述了Python数据分析模块pandas用法。分享给大家供大家参考,具体如下: 一 介绍 pandas(Python Data Analysis Library)是基于numpy的数据分析模块,提供了大量标准数据模型和高效操作大型数据集所需要的工具,可以说pandas是使得Python能够成为高效且强大的数据分析环境的重要因素之一。 pandas主要提供了3种数据结构: 1)Series,带标签的一维数组。 2)DataFrame,带标签且大小可……

  • python选取特定列 如何使用pandas的 iloc,loc,icol(列切片及行切片)
  • df是一个dataframe,列名为A B C D 具体值如下: A B C D 0 ss 小红 8 1 aa 小明 d 4 f f 6 ak 小紫 7 dataframe里的属性是不定的,空值默认为NA。 一、选取标签为A和C的列,并且选完类型还是dataframe df = df.loc[:, [A, C]]df = df.iloc[:, [0, 2]] 二、选取标签为C并且只取前两行,选完类型还是dataframe df = df.loc[0:2, [A, C]] df = df.iloc[0:2, [0, 2]] 聪明的朋友已经看出iloc和loc的不同了:loc是根据dataframe的具体标签选……

  • python3 pandas 如何读取MySQL数据和插入
  • 下面为大家分享一篇python3 pandas 读取MySQL数据和插入的实例,具有很好的参考价值,希望对大家有所帮助。一起过来看看吧 python 代码如下: # -*- coding:utf-8 -*-import pandas as pdimport pymysqlimport sysfrom sqlalchemy import create_enginedef read_mysql_and_insert(): try: conn = pymysql.connect(host=localhost,user=user1,password=123456,db=test,charset=utf8) except pymysql.err.OperationalError as e: print(Error is +str(e)) sys.exit() try: engine = cre……

  • python:pandas合并csv文件的实例内容
  • 数据集成:将不同表的数据通过主键进行连接起来,方便对数据进行整体的分析。 两张表:ReaderInformation.csv,ReaderRentRecode.csv ReaderInformation.csv: ReaderRentRecode.csv: pandas读取csv文件,并进行csv文件合并处理: # -*- coding:utf-8 -*-import csv as csvimport numpy as np# -------------# csv读取表格数据# -------------csv_file_object = csv.reader(codecs.open(ReaderRentRecode.csv, rb))header = csv_file_object.next()print headerprint t……

  • python numpy和pandas中数组的合并、拉直和重塑代码分享
  • 合并 在numpy中合并两个array numpy中可以通过concatenate,参数axis=0表示在垂直方向上合并两个数组,等价于np.vstack;参数axis=1表示在水平方向上合并两个数组,等价于np.hstack。 垂直方向: np.concatenate([arr1,arr2],axis=0)np.vstack([arr1,arr2]) 水平方向: np.concatenate([arr1,arr2],axis=1)np.hstack([arr1,arr2]) import numpy as npimport pandas as pdarr1=np.ones((3,5))arr1Out[5]: array([[ 1., 1., 1., 1., 1.], [ 1., 1., 1., 1., 1.], [ 1., ……

    python 相关电子书
    学习笔记

    Copyright 2018-2020 xz577.com 码农之家

    本站所有电子书资源不再提供下载地址,只分享来路

    版权投诉 / 书籍推广 / 赞助:QQ:520161757