Pandas中DataFrame的常用用法分享
Pandas是Python中最流行的數(shù)據(jù)分析和處理工具之一，它提供了一個名為DataFrame的數(shù)據(jù)結(jié)構(gòu)，可以被認為是一個二維表格或電子表格，其中包含行和列。在本文中，我們將深入探討Pandas中DataFrame的各種常用的用法，包括創(chuàng)建DataFrame、選擇數(shù)據(jù)、修改數(shù)據(jù)、數(shù)據(jù)排序、數(shù)據(jù)統(tǒng)計、數(shù)據(jù)合并、數(shù)據(jù)分組和數(shù)據(jù)透視表等。
1.創(chuàng)建DataFrame
要創(chuàng)建DataFrame，可以使用Pandas中的DataFrame()函數(shù)。下面是一個例子：
import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 47],
'gender': ['F', 'M', 'M', 'M']}
df = pd.DataFrame(data)
print(df)
輸出：
name age gender
0 Alice 25 F
1 Bob 32 M
2 Charlie 18 M
3 David 47 M
2.選擇數(shù)據(jù)
在DataFrame中選擇數(shù)據(jù)有幾種方法?？梢允褂胠oc[]和iloc[]函數(shù)，也可以使用布爾索引。下面是一些例子：
# 使用loc[]函數(shù)選擇數(shù)據(jù) print(df.loc[0]) # 選擇第一行 print(df.loc[0:2]) # 選擇前三行 print(df.loc[0:2, 'name'])# 選擇前三行的name列 # 使用iloc[]函數(shù)選擇數(shù)據(jù) print(df.iloc[0]) # 選擇第一行 print(df.iloc[0:2]) # 選擇前兩行 print(df.iloc[0:2, 0]) # 選擇前兩行的第一列 # 使用布爾索引選擇數(shù)據(jù) print(df[df['age'] > 30]) # 選擇年齡大于30的行
3.修改數(shù)據(jù)
要修改DataFrame中的數(shù)據(jù)，可以使用loc[]或iloc[]函數(shù)。下面是一個例子：
# 修改數(shù)據(jù) df.loc[0, 'age'] = 26 print(df) # 添加新數(shù)據(jù) df.loc[4] = ['Eve', 29, 'F'] print(df) # 刪除數(shù)據(jù) df = df.drop(4) print(df)
4.數(shù)據(jù)排序
要對DataFrame中的數(shù)據(jù)進行排序，可以使用sort_values()函數(shù)。下面是一個例子：
# 按年齡升序排序
df = df.sort_values('age')
print(df)
# 按年齡降序排序
df = df.sort_values('age', ascending=False)
print(df)
5.數(shù)據(jù)統(tǒng)計
要對DataFrame中的數(shù)據(jù)進行統(tǒng)計，可以使用describe()函數(shù)和其他函數(shù)，例如mean()、median()和std()。下面是一個例子：
# 描述數(shù)據(jù) print(df.describe()) # 計算平均年齡 print(df['age'].mean()) # 計算年齡中位數(shù) print(df['age'].median()) # 計算年齡標(biāo)準差 print(df['age'].std())
6.數(shù)據(jù)合并
要合并兩個DataFrame，可以使用concat()函數(shù)。下面是一個例子：
# 創(chuàng)建第二個DataFrame
data2 = {'name': ['Frank', 'Grace'],
'age': [39, 28],
'gender': ['M', 'F']}
df2 = pd.DataFrame(data2)
# 合并兩個DataFrame
df = pd.concat([df, df2])
print(df)
7.數(shù)據(jù)分組
要按某些標(biāo)準對DataFrame中的數(shù)據(jù)進行分組，可以使用groupby()函數(shù)。下面是一個例子：
# 按性別分組并計算平均年齡
print(df.groupby('gender')['age'].mean())
8.數(shù)據(jù)透視表
要創(chuàng)建數(shù)據(jù)透視表，可以使用pivot_table()函數(shù)。下面是一個例子：
# 創(chuàng)建數(shù)據(jù)透視表 print(pd.pivot_table(df, values='age', index='gender', columns='name'))
到此這篇關(guān)于Pandas中DataFrame的常用用法分享的文章就介紹到這了,更多相關(guān)Pandas DataFrame內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了Python使用pickle模塊儲存對象操作,結(jié)合實例形式分析了Python使用pickle模塊針對文件讀寫與轉(zhuǎn)換的相關(guān)操作技巧,需要的朋友可以參考下2018-08-08
這篇文章主要介紹了Python中的迭代器與生成器使用及說明，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-12-12
Python2.7實現(xiàn)多進程下開發(fā)多線程示例
這篇文章主要為大家詳細介紹了Python2.7實現(xiàn)多進程下開發(fā)多線程示例，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-05-05
這篇文章主要介紹了python統(tǒng)計日志ip訪問數(shù)的方法,涉及Python操作日志文件及正則匹配的相關(guān)技巧,非常具有實用價值,需要的朋友可以參考下2015-07-07
本文給大家匯總介紹了下使用Python實現(xiàn)模擬時鐘的代碼，一共3個例子，后兩個是基于QT實現(xiàn)，有需要的小伙伴可以參考下2015-11-11
這篇文章主要介紹了python讀取二進制mnist實例詳解的相關(guān)資料,需要的朋友可以參考下2017-05-05
這篇文章主要介紹了Python常用模塊介紹,本文羅列了如python運行時服務(wù)、數(shù)學(xué)、數(shù)據(jù)結(jié)構(gòu)、算法和代碼簡化、string 和 text 處理、python數(shù)據(jù)庫訪問等模塊,需要的朋友可以參考下2014-11-11
今天小編就為大家分享一篇python進階之多線程對同一個全局變量的處理方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-11-11
在本篇文章里小編給大家整理的是關(guān)于Python變量作用域的相關(guān)知識點內(nèi)容，需要的朋友們可以學(xué)習(xí)下。2020-06-06
這篇文章主要介紹了python的urllib模塊顯示下載進度的示例，大家參考使用吧2014-01-01