Pandas之DataFrame

简介: 笔记
import pandas as pd;
'''
总结:pd.DataFrame()可以放一个列表或者放一个嵌套列表(里面可以是列表也可以是元祖),也可以是个元祖,但不可不可放一个嵌套元祖
'''
# 创建一个DataFrame
# 传入一个列表
df1 = pd.DataFrame(['a','b','c','d'])
print(df1)
# 传入一个嵌套列表
print('................')
df2 =pd.DataFrame([['a','A'],['b','B'],['c','C'],['e','E']]) #或者df2 =pd.DataFrame([('a','A'),('b','B'),('c','C'),('e','E')])
print(df2)
# 指定行,列索引
# 设置列索引
print('................')
df3 =pd.DataFrame([['a','A'],['b','B'],['c','C'],['e','E']],columns=['小写','大写'])
print(df3)
# 设置行索引
print('................')
df3 =pd.DataFrame([['a','A'],['b','B'],['c','C'],['e','E']],index=['一','二','三','四'])
print(df3)
# 行列索引同时设置
print('................')
df4 =pd.DataFrame([['a','A'],['b','B'],['c','C'],['e','E']],columns=['小写','大写'],index=['一','二','三','四'])
print(df4)
# 传入一个字典
print('................')
data = {'小写':('a','b','c','d'),'大写':['A','B','C','D']}  #或者data = {'小写':('a','b','c','d'),'大写':('A','B','C','D')}
df5 =pd.DataFrame(data,index=['一','二','三','四'])
print(df5)
# 获取DataFrame的行,列索引
print(df3.columns)
print(df4.index)
# 传入一个元祖
print(pd.DataFrame((1,2,3,4)))
print('................')
# 传入一个集合
print(pd.DataFrame({1,2,3,4}))

输出如下结果:

   0
0  a
1  b
2  c
3  d
................
   0  1
0  a  A
1  b  B
2  c  C
3  e  E
................
  小写 大写
0  a  A
1  b  B
2  c  C
3  e  E
................
   0  1
一  a  A
二  b  B
三  c  C
四  e  E
................
  小写 大写
一  a  A
二  b  B
三  c  C
四  e  E
................
  小写 大写
一  a  A
二  b  B
三  c  C
四  d  D
RangeIndex(start=0, stop=2, step=1)
Index(['一', '二', '三', '四'], dtype='object')
   0
0  1
1  2
2  3
3  4
................
   0
0  1
1  2
2  3
3  4
相关文章
|
2月前
|
SQL 索引 Python
Pandas中DataFrame合并的几种方法
Pandas中DataFrame合并的几种方法
192 0
|
18天前
|
SQL 数据采集 数据可视化
Pandas 数据结构 - DataFrame
10月更文挑战第26天
36 2
Pandas 数据结构 - DataFrame
|
6月前
|
数据可视化 数据挖掘 数据处理
进阶 pandas DataFrame:挖掘高级数据处理技巧
【5月更文挑战第19天】本文介绍了Pandas DataFrame的高级使用技巧,包括数据重塑(如`pivot`和`melt`)、字符串处理(如提取和替换)、日期时间处理(如解析和时间序列操作)、合并与连接(如`merge`和`concat`),以及使用`apply()`应用自定义函数。这些技巧能提升数据处理效率,适用于复杂数据分析任务。推荐进一步学习和探索Pandas的高级功能。
|
6月前
|
存储 JSON 数据处理
从JSON数据到Pandas DataFrame:如何解析出所需字段
从JSON数据到Pandas DataFrame:如何解析出所需字段
399 1
|
3月前
|
索引 Python
Pandas学习笔记之Dataframe
Pandas学习笔记之Dataframe
|
3月前
|
数据挖掘 大数据 数据处理
数据分析师的秘密武器:精通Pandas DataFrame合并与连接技巧
【8月更文挑战第22天】在数据分析中,Pandas库的DataFrame提供高效的数据合并与连接功能。本文通过实例展示如何按员工ID合并基本信息与薪资信息,并介绍如何基于多列(如员工ID与部门ID)进行更复杂的连接操作。通过调整`merge`函数的`how`参数(如'inner'、'outer'等),可实现不同类型的连接。此外,还介绍了使用`join`方法根据索引快速连接数据,这对于处理大数据集尤其有用。掌握这些技巧能显著提升数据分析的能力。
67 1
|
3月前
【Pandas+Python】初始化一个全零的Dataframe
初始化一个100*3的0矩阵,变为Dataframe类型,并为每列赋值一个属性。
49 2
|
3月前
|
SQL 数据采集 JSON
Pandas 使用教程 Series、DataFrame
Pandas 使用教程 Series、DataFrame
67 0
|
3月前
|
Python
[pandas]从多个文件中构建dataframe
[pandas]从多个文件中构建dataframe
|
3月前
|
索引 Python
【Pandas】Pandas Dataframe 常用用法
Pandas DataFrame的常用操作示例,包括筛选数据、索引操作、合并DataFrame、设置和排序索引、文本处理、列重命名、处理缺失值、排序以及删除满足特定条件的行等技巧。
63 0

热门文章

最新文章

下一篇
无影云桌面