|
注：以下代码均在Jupyter中运行的。
基本功能列表
import pandas as pd 导入库
df = pd.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)
创建一个DataFrame
|
代码 |
功能 |
| 1 |
DataFrame() |
创建一个DataFrame对象 |
| 2 |
df.values |
返回ndarray类型的对象 |
| 3 |
df.index |
获取行索引 |
| 4 |
df.columns |
获取列索引 |
| 5 |
df.axes |
获取行及列索引 |
| 6 |
df.T |
行与列对调 |
| 7 |
df. info() |
打印DataFrame对象的信息 |
| 8 |
df.head(i) |
显示前 i 行数据 |
| 9 |
df.tail(i) |
显示后 i 行数据 |
| 10 |
df.describe() |
查看数据按列的统计信息 |
1.创建一个DataFrame
DataFrame()函数的参数index的值相当于行索引，若不手动赋值，将默认从0开始分配。columns的值相当于列索引，若不手动赋值，也将默认从0开始分配。
data = {
'性别':['男','女','女','男','男'],
'姓名':['小明','小红','小芳','大黑','张三'],
'年龄':[20,21,25,24,29]}
df = pd.DataFrame(data,index=['one','two','three','four','five'],
columns=['姓名','性别','年龄','职业'])
df
运行结果：
2. df.values 返回ndarray类型的对象
ndarray类型即numpy的 N 维数组对象,通常将DataFrame类型的数据转换为ndarray类型的比较方便操作。如对DataFrame类型进行切片操作需要df.iloc[ : , 1:3]这种形式，对数组类型直接X[ : , 1:3]即可。
X = df.values
print(type(X)) #显示数据类型
X
运行结果：
<class 'numpy.ndarray'>
array([['France', 44.0, 72000.0],
['Spain', 27.0, 48000.0],
['Germany', 30.0, 54000.0],
['Spain', 38.0, 61000.0],
['Germany', 40.0, nan],
['France', 35.0, 58000.0],
['Spain', nan, 52000.0],
['France', 48.0, 79000.0],
['Germany', 50.0, 83000.0],
['France', 37.0, 67000.0]], dtype=object)
3. df.index 获取行索引
df.index
运行结果：
Index(['one', 'two', 'three', 'four', 'five'], dtype='object')
4. df.columns 获取列索引
df.columns
运行结果：
Index(['姓名', '性别', '年龄', '职业'], dtype='object')
5. df.axes 获取行及列索引
df.axes
运行结果：
[Index(['one', 'two', 'three', 'four', 'five'], dtype='object'),
Index(['姓名', '性别', '年龄', '职业'], dtype='object')]
6. df.T index 与 columns 对调
df.T
运行结果：
7. () 打印DataFrame对象的信息
()
运行结果：
<class 'pandas.core.frame.DataFrame'>
Index: 5 entries, one to five
Data columns (total 4 columns):
姓名 5 non-null object
性别 5 non-null object
年龄 5 non-null int64
职业 0 non-null object
dtypes: int64(1), object(3)
memory usage: 200.0+ bytes
8.df.head(i) 显示前 i 行数据
df.head(2)
运行结果：
若想要显示前几列数据，可用df.T.head(i)
9. df.tail(i) 显示后 i 行数据
df.tail(2)
运行结果：
10. df.describe() 查看数据按列的统计信息
可显示数据的数量、缺失值、最小最大数、平均值、分位数等信息
|
