pandas的快速使用

简介: pandas的快速使用

Pandas 是一个功能强大、灵活的数据分析和处理库,它可以帮助我们快速处理和分析大量的数据。下面是 Pandas 的一些快速使用方法:

  1. 导入 Pandas:

    import pandas as pd
    
  2. 创建一个数据表:

    data = {
         'Name': ['Tom', 'Nick', 'John', 'Sam'],
            'Age': [28, 32, 25, 30],
            'City': ['New York', 'Los Angeles', 'Chicago', 'San Francisco']}
    df = pd.DataFrame(data)
    
  3. 查看数据表的前几行:

    df.head()
    
  4. 查看数据表的统计信息:

    df.describe()
    
  5. 访问列:

    df['Name']  # 访问 Name 列
    
  6. 添加一列:

    df['Salary'] = [5000, 6000, 4500, 7000]
    
  7. 删除一列:

    df.drop('City', axis=1, inplace=True)
    
  8. 过滤数据:

    df[df['Age'] > 30]  # 过滤出年龄大于30的数据
    
  9. 排序数据:

    df.sort_values(by='Age', ascending=False)  # 根据年龄降序排列数据
    
  10. 保存数据到文件:

    df.to_csv('data.csv', index=False)  # 保存数据到 CSV 文件
    

这只是 Pandas 的一小部分功能,它还有很多强大的功能可以帮助我们进行数据处理和分析。希望对你有帮助!

相关文章
|
SQL 大数据 数据挖掘
你可能不知道的pandas的5个基本技巧
你可能不知道的pandas的5个基本技巧
177 0
|
人工智能 大数据 Go
pandas使用与思考
最近工作中,有一个场景,是从缓存中将数据读取出来,再聚合。 当时想到了三种方案: 使用dict的方式累加 使用数据库的临时表进行数据聚合 使用pandas汇总 方式一、以前使用php写过,考虑过不优雅,就放弃了 方式二、由于数据多,每次处理都要先写入数据库,然后再聚合,有点耗时,这方式也在线上测试了, 时间确实比较久。
1814 0
|
4月前
|
数据采集 机器学习/深度学习 数据挖掘
Pandas
【10月更文挑战第14天】
46 1
|
Java 索引 Python
|
机器学习/深度学习 数据库 数据格式
|
6月前
|
数据可视化 关系型数据库 数据库
原来你是这样的Pandas!!!
原来你是这样的Pandas!!!
40 0
|
C语言 C++ Python
pandas VS baseR
import numpy as np import pandas as pd 创建DataFrame In [2]: df = pd.DataFrame({'col_a': np.
1088 0
|
6月前
|
数据采集 SQL 数据挖掘
我发现了pandas的黄金搭档!
我发现了pandas的黄金搭档!
50 0
|
数据挖掘 Python
pandas是什么
pandas是什么

热门文章

最新文章