python对比两列数据的不同,python pandas数据分析
在家为国家做贡献没意思。你最好跟我学Python。
对了，你喜欢什么文章封面？总用这个感觉有点丑。
人生苦短，我用Python
上方门户：
学习Python数据分析(1):数据分析的基础
学习Python数据分析(2)熊猫：概述
首先，引言介绍了熊猫的数据结构。毕竟数据结构是一切的基础。
Pandas有两种主要的数据结构：序列和数据帧。本文介绍第一个系列。
先导入模块，把熊猫和Numpy引入代码。如下图。
importnumpyasnpimportpandaapseries可以很容易理解为一维数组，用来存储整数、浮点数、字符串、Python对象等数据。
这个概念类似于Java的集合。
如果不能理解，请看下图。(Excel很好画，灵魂的画师登场)。
这里的数据就是上面的数据类型，不限于图中的整数。
如果没有指定索引值，将自动创建一个从0开始的数字类型的索引。比如0，1，2，3…Len(数据)- 1。
创建系列。使用pd在这里创建。系列功能：
S=PD.series(NP.random.rand) 5，index=[a ， b ， c ， d ， e]) print (s (s (s) print) s.s
a 0.218164 b 0.153201 c 0.572437d 0.142784 e 0.710664d类型：float 64 index ([ a ， b ， c ， d ， e])，d类型= object )0.25554545如果未指定，则直接使用数字索引。
如果手动指定注意：索引，索引长度必须与数据长度一致。如果不匹配，将引发ValueError异常，如下所示：
S=PD.series(NP.random.rand) 6，index=[a ， b ， c ， d ， e])异常部分：
错误3360 lengthoffpassed传递的值6，索引含义5字典实例化系列可以由字典实例化。比如如下图。
D={b: 1， a: 0， c:2}S2=PD.series(d) print) S2)结果如下：
使用数据为b 1a 0 c 2d type:int 64http://www.Sina.com/dictionary.如果没有设置索引参数，则为Python版本=3.6，Pandas版本=0.23。在Python 3.6或Pandas 0.23上，如果没有设置index参数，Series将按字母顺序对字典的键列表进行排序。
在上面的例子中，对于当前环境Python 3.6或Pandas 0.23，Series按字母顺序排序，而不是按当前字典顺序，输出结果是[a ， b ， c]。
另外，用字典创建数据时，设置索引也会根据索引提取数据中对应的值。如果数据中没有对应的索引，将使用NaN来表示缺失的数据。例如：
S3=PD.series(d，index=[b ， c ， d ， a]) print) S3)结果如下：
1.0c 2.0 dnana 0.0 type:float 64标量值实例化数据也支持标量值的实例化。如果数据是标量值，则必须在实例化Series时指定索引。Series根据索引的长度重复此标量值。如下图。
S4=PD.series(5.index=[a ， b ， c ， d ， e]) print) S4)结果如下：
5.0b 5.0 c 5.0d 5.0e 5.0 type:基于浮动64索引打印(s [0])打印(s [:3])打印)s [s (SG)]]的操作方法
t；S.median()])print(s[[4，3，1]])结果如下：
0.481205137399224 a 0.481205 b 0.045604 c 0.108321d类型：Float64d 0.495208 e 0.817171d类型：float 64e 0.817171d 0.495208 b 0.045604d类型：float 64同时，Series还支持索引标签。
Print (s [a]) s [e]=12。打印结果如下：
0.481205137399224 a 0.481205 b 0.045604 c 0.108321d 0.495208 e 12.00000 type:float 64如果直接使用不在序列中的索引标签，将会引发KeyError异常：
# throw KeyError异常# print(s[f])我们可以通过in来判断当前序列是否包含索引标签，如下：
打印(s中的 e )打印(s中的 f )结果如下：
True您可以通过get方法获得系列没有的索引标签，并且可以设置返回的默认值：
print(s . get( f )print(s . get( f ，np.nan))结果如下：
Nan常用方法# Print e的幂，e是2.71828的常数Print(NP . exp(s))# Print s中每个元素的根(NP . sqrt(s))Print(s . dtype)Print(s . array)Print(s . to _ numpy())。结果如下：
a 1.618023 b 1.046659 c 1.114406d 1.640840 e 2.264085d类型：float 64a 0.693699 b 0.213555 c 0.329122d 0.7037711 e 0.903975d类型：float 64 float 64 panda sarray[0.4 8120513939.24，0.04 . 39224
注意：系列之间的操作将根据标签自动对齐数据。
Print(s[1:] s[:-1])结果如下：
nanb 0.091207 c 0.216642d 0.990417 e NAND类型：Float64对索引未对齐的序列进行运算，其计算结果是所涉及的所有索引的并集。如果在序列中找不到标签，则运算结果标记为NaN，即缺失值。
名称系列支持名称属性，我们可以给自己定义的系列起一个自己喜欢的名称：
S5=pd.series (np.random.randn (5)，name= my _ series )print(S5)print(S5 . name)print(ID(S5))结果如下：
0.4914501 0.9399652 0.8684373-0.0995754 1.866875名称：my _ series，dtype:float 64 my _ series 1492397351368这里，边肖方便地使用id方法打印s5的内存地址。
类似地，Series为我们提供了重命名方法rename():
#重命名系列S6=S5。重命名( my _ series _ different )print(ID(S6))，结果如下：
1923973513680 0.4914501 0.9399652 0.8684373-0.0995754 1.866875名称：my _ Series _ different，dtype: float 641492400065800比较这两个s5和s6，可以看到这两个系列的数据内容相同，名称
不过有一点需要注意：s5和s6是两个不同的对象，这里打印的不同内存地址也说明了这一点。实际上，这里并没有修改s5的名称，而是创建了一个新对象并使用了新的name属性。
和往常一样，为了方便起见，所有的示例代码都将上传到代码管理仓库Github和Gitee。
示例-Github
示例-Gitee
参考https://www.pypandas.cn/docs/getting_started/dsintro.html
您的扫码关注是对边肖坚持原创的最大鼓励：)
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。