pandas入门实例,python中的pandas的两种基本使用
熊猫用法importpandasaspdimportnumpyasnp 1 .创建系列1(空系列s=pd .系列) )创建sipython-input-3-85850638 a 11438 faultdtypeforemptyserisesvillbe object 而不是版本。请指定adtypeexplicitlytossilenthiswarning。s=PD。系列()从dtype: float64 )2)创建钕数组ARR=NP .Array([a ， b ， c ， d] ) ser1=PD.series(ARR b:11， c:22， d:3}dic {a: 0， b: c:2， d :3 }在这种情况下，索引的长度s=pd .系列(5) 5,必须指定索引以匹配第五季第51集第52集第53集第5天类型：int 642 .从特定位置的系列访问数据（熊猫片)1)系列的第一个元素s=PD.series ([索引= e )的a1b2c3 D4 e 5d类型：int 64 s [0]1)2)系列的前三个元素s [ :3 ] a1b 2c 3d type : int 643)系列的后三个元素C3 D4 e 5d类型：int 64 s [-3: ] C3 D4 e 5d类型：int 643 .使用标签搜索数据（索引) :一个系列就像一个固定大小的词典。使用索引标签搜索单个元素s=PD.serieeees(可以通过索引标签获取和设置值)的3，4，5 ]，index=[a ， b ， c ， d ， e] ) s a1b2c3 D4 e 5d类型：int 64 s [ b ]2)使用索引标签列表查找多个元素S1=PD .S1 a 1b2c3 D4 e 5d类型：int 64 protype d] 3)如果不包含标记，则搜索时会出现异常-程序数据\ anaconda3 \ lib \ sition方法公差(2894尝试：-2895回归自我.引擎。get _ loc)casted _ key)2896 exceptkeyerrorserr:熊猫指数。索引引擎。get _ loc(熊猫(libs)索引。熊猫。_ libs .Inde ex hashtable _ class _ helper。pxiiindas hashtable _ class _ helper。熊猫。_ libs。哈希表。pyobjecthashtable。get _ item(键错误360 f 后面(最近一次调用最后)ipython-input-24-C 23937 EC 966 b in module-1s[ f ]C:\ program data \ anaconda 3 \ lib \ site-packages \ pandas \ core \ series。py in _ _ getitem _ _(self，key)86 _ get _ value(key)883 884 if is _ hashable(key):C:\ program data \ anaconda 3 \ lib \ site-packages \ pandas \ core \ series。py in _ get _ value(self，label，takeable) 987 988 #类似于Index.get_value，但是我们不回退到positional-989 loc=自身。索引。get _ loc(label)990返回自我。索引。_ get _ values _ for _ loc(self，loc，label)991 C:\中_发动机。get _ loc(casted _ key)2896，但键错误为err:-2897如果容忍不为没有，则从错误2898 2899引发键错误(key):键错误：“f”4 .简单运算在熊猫的系列中，会保留NumPy的数组操作（用布尔数组过滤数据，标量乘法，以及使用数学函数),并同时保持引用的使用
1) 例ser2=pd .Series(range(4)，index=[a ， b ， c ， d ])ser 2 a 0b 1c 2d 3d类型：int 64 ser 2[ser 2 2]d 3d类型：int 64 ser 2 * 2 a 0b 2c 4d 6d类型：int 64 NP。exp(ser 2)a 1.0000000 b 2.718282 c 7.389056d 20.085537d类型：float 64系列的自动对齐系列的一个重要功能就是自动对齐（不明觉厉),看看例子就明白了。差不多就是不同系列对象运算的时候根据其索引进行匹配计算
1)创建两个系列名为ser3与ser4 .sdata={ 俄亥俄:35000,得克萨斯:71000,俄勒冈:16000,犹他：5000} sdata { 俄亥俄:35000,得克萨斯:71000,俄勒冈:16000,犹他：5000} ser3=pd .系列(sdata) ser3俄亥俄35000德州71000俄勒冈16000犹他5000 type:int 64 States=[ California ， Ohio ， Oregon ， Texas] states [California ， Ohio ， Oregon ， Texas] ser4=pd .SERS(sdata，index=States)ser4加州纳米硫35000.0俄勒冈州16000.0得克萨斯州71000.0类型：浮点型64 ser3 ser4加州纳米硫70000.0俄勒冈州32000.0得克萨斯州142000.0犹他州NAND类型：浮点型64 5 .系列增删改1) 增：系列的添加()方法是加法计算不是增加系列元素用的，使用附加连接其他系列7 .sdata={ 俄亥俄:35000,得克萨斯:71000,俄勒冈:16000,犹他：5000} sdata { 俄亥俄:35000,得克萨斯:71000,俄勒冈:16000,犹他：5000} ser3=pd .系列(sdata) ser3俄亥俄35000德州71000俄勒冈16000犹他5000 type:int 64 States=[ California ， Ohio ， Oregon ， Texas] states [California ， Ohio ， Oregon ， Texas] ser4=pd .系列(sdata，index=states) ser4加州纳米硫35000.0俄勒冈州16000.0德州71000.0类型：浮点64 ser3。追加(ser4)俄亥俄州35000.0得克萨斯州71000.0俄勒冈州俄勒冈州16000.0犹他州5000.0加州纳米硫35000.0俄勒冈州16000.0德州71000.0类型：浮动64 2)删：系列的丢弃()方法可以对系列进行删除操作，返回一个被删除后的系列，原来的系列不改变s=pd .Series([1，2，3，4，5]，index=[a ， b ， c ， d ， e ])s a 1b 2c 3d 4e 5d类型：int 64 a1=s . drop( a )s a 1b 2c 3d 4e 5d类型：int 64 a1 b 2c 3d 4e 5d类型：int 64 3)改：通过索引的方式查找到某个元素，然后通过"="赋予新的值s=pd .Series([1，2，3，4，5]，index=[a ， b ， c ， d ， e ])s a 1b 2c 3d 4e 5d类型：int 64s[ a ]=5s a 5b 2c 3d 4e 5d类型：int 64
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。