Python中pandas模块的使用方法

雨点打透心脏的1/2处 2022-07-14 11:07 245阅读 0赞

## `import pandas as pd` ##

[Python中pandas模块的讲解][Python_pandas]

Python运用于数据分析的简单教程： [http://www.jb51.net/article/62982.htm][http_www.jb51.net_article_62982.htm]

### `read_csv()` ###

读写csv数据

`df = pd.read_csv(path)`: 读入csv文件，形成一个数据框(data.frame)

`df = pd.read_csv(path, header=None)` 不要把第一行作为header

### `to_csv()` ###

*\* 注意，默认会将第一行作为header，并且默认会添加index，所以不需要的话需要手动禁用 \**

`df.to_csv(path, header=False, index=False)`

### 数据框操作 ###

df.head(1) 读取头几条数据

df.tail(1) 读取后几条数据

df\[‘date’\] 获取数据框的date列

df.head(1)\[‘date’\] 获取第一行的date列

df.head(1)\[‘date’\]\[0\] 获取第一行的date列的元素值

sum(df\[‘ability’\]) 计算整个列的和

df\[df\[‘date’\] == ‘20161111’\] 获取符合这个条件的行

df\[df\[‘date’\] == ‘20161111’\].index\[0\] 获取符合这个条件的行的行索引的值

df.iloc\[1\] 获取第二行

df.iloc\[1\]\[‘test2’\] 获取第二行的test2值

10 mins to pandas  
df.index 获取行的索引

df.index\[0\] 获取第一个行索引

df.index\[-1\] 获取最后一个行索引,只是获取索引值

df.columns 获取列标签

df\[0:2\] 获取第1到第2行，从0开始，不包含末端

df.loc\[1\] 获取第二行

df.loc\[:,’test1’\] 获取test1的那一列,这个冒号的意思是所有行，逗号表示行与列的区分

df.loc\[:,\[‘test1’,’test2’\]\] 获取test1列和test2列的数据

df.loc\[1,\[‘test1’,’test2’\]\] 获取第二行的test1和test2列的数据

df.at\[1,’test1’\] 表示取第二行，test1列的数据，和上面的方法类似

df.iloc\[0\] 获取第一行

df.iloc\[0:2,0:2\] 获取前两行前两列的数据

df.iloc\[\[1,2,4\],\[0,2\]\] 获取第1，2，4行中的0，2列的数据

(df\[2\] > 1).any() 对于Series应用any()方法来判断是否有符合条件的

[Python_pandas]: http://nbviewer.jupyter.org/github/lijin-THU/notes-python/blob/master/12.%20pandas/12.01%20ten%20minutes%20to%20pandas.ipynb
[http_www.jb51.net_article_62982.htm]: http://www.jb51.net/article/62982.htm

发表评论取消回复

表情：

评论列表（有 0 条评论，245人围观）

还没有评论，来说两句吧...

相关阅读

相关【python】pandas模块使用总结

python的pandas模块内容目录 python的pandas模块一、创建二、基础属性信息

蔚落/ 2023年10月04日 23:51/ 0 赞/ 92 阅读

相关 pandas rolling方法_Python pandas.DataFrame.rolling函数方法的使用

DataFrame.rolling(window, min\_periods=None, center=False, win\_type=None, on=None, axis

清疚/ 2023年01月10日 05:23/ 0 赞/ 381 阅读

相关 Python中pandas模块的使用方法

`import pandas as pd` [Python中pandas模块的讲解][Python_pandas] Python运用于数据分析的简单教程： [http:

雨点打透心脏的1/2处/ 2022年07月14日 11:07/ 0 赞/ 246 阅读

相关 Python数据处理——Pandas模块使用（二）

数据变换操作导入文件 import numpy as np import pandas as pd odata = pd.read_csv('

曾经终败给现在/ 2022年05月25日 03:58/ 0 赞/ 442 阅读

相关 Python数据处理——Pandas模块使用（一）

一、Pandas介绍在处理实际的金融数据时，一个条数据通常包含了多种类型的数据，例如，股票的代码是字符串，收盘价是浮点型，而成交量是整型等。在C++中可以实现为一个给定

╰半夏微凉°/ 2022年05月25日 03:53/ 0 赞/ 362 阅读

相关 Python数据处理——Pandas模块使用（七）

本文主要介绍Pandas统计函数：groupby、pivot\_table及crosstab 产生数据 import numpy as np imp

超、凢脫俗/ 2022年05月23日 06:48/ 0 赞/ 398 阅读

相关 Python数据处理——Pandas模块使用（六）

本文主要介绍pandas数据清洗，排序，索引设置，数据选取数据清洗更改数据格式astype() isin 计算一

深碍√TFBOYSˉ_/ 2022年05月23日 05:04/ 0 赞/ 774 阅读

相关 Python数据处理——Pandas模块使用（五）

本文主要介绍pandas数据转换操作 1.分组 In [42]: df = DataFrame({ 'key1':['a','a','b','

你的名字/ 2022年05月23日 03:51/ 0 赞/ 370 阅读

相关 Python数据处理——Pandas模块使用（四）

本文主要介绍pandas数据清洗和数据操作 1. 数据统计 In [31]: df = DataFrame({ 'A':np.random.r

深碍√TFBOYSˉ_/ 2022年05月23日 03:50/ 0 赞/ 343 阅读

相关 Python数据处理——Pandas模块使用（三）

本文主要介绍pandas库的加载数据：数据来源加载数据随机采样加载数据 pandas提供了一些将表格型数据读取为DataFrame对象的

我会带着你远行/ 2022年05月23日 03:49/ 0 赞/ 412 阅读