【Python数据分析 - 11】:DataFrame索引操作(pandas篇)

简介: 【Python数据分析 - 11】:DataFrame索引操作(pandas篇)

DataFrame索引操作


数据准备

b89e3f4489f042e2ac5738cfb987e271.png

准备的数据742d10700c8e421ca4466b73598f4bf9.png


重置索引 - reset_index()


  • 获得新的index,原来的index变为数据列,保留下来

551f0bd39fe940b485c257359e73f5de.png


若不想保留原来的index,使用参数drop=True,默认为False

d98abe9d1b0d4d7bbf9a2854e2866432.png



构建一个DataFrame


df = pd.DataFrame(
    {'水果':['苹果', '香蕉', '哈密瓜'], 
     '数量':[10, 20, 30], 
     '价格':[5, 10, 15],
     '产地':['上海', '广东', '深圳'],
     '包装厂':['大厂', '中厂', '小厂']
    })


94b34b2356e84443abf39d9b0d0416b8.png



设置其他列为索引 - set_index()


8e5e2ef73f194823b41d483809a79b02.png


注意:inplace=True 时才能真正的在原来的DataFrame上进行修改,默认为False

18391f1909394adb99d7236c5e4d3649.png




设置多个索引

设置多个索引时以列表的形式进行设置,它会重设索引,覆盖掉原来的索引。


7322679ba5124fe2b4e84ef6656aa394.png


7322679ba5124fe2b4e84ef6656aa394.png


修改列索引名


方法一:直接修改 - columns


b67e1be6b7b140bfb805b6fdad238120.png


方法二:rename方法


接收一个字典,键为旧索引,值为新索引

bb75cbdce27d48c49c3ca6db0dfd1de1.png


a57321fdd51e42e3bac9f82b585e020d.png


删除行或列 - drop()


  • 删除列


2439c559b1614c69b4895da1f7c5b5a4.png

b7019eb9a5f34eae9f204c2d797591b7.png

相关文章
|
5天前
|
数据挖掘 Python
Pandas数据分析实战(2):2023美国财富1000强公司情况
Pandas数据分析实战(2):2023美国财富1000强公司情况
16 0
|
5天前
|
数据采集 数据挖掘 Python
Pandas数据分析实战(1):2023美国财富1000强公司情况
Pandas数据分析实战(1):2023美国财富1000强公司情况
17 0
|
5天前
|
数据采集 数据挖掘 数据处理
如何在Pandas中将索引(index)转换为数据列
如何在Pandas中将索引(index)转换为数据列
17 0
|
1月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
【9月更文挑战第2天】数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
49 5
|
2月前
|
索引 Python
Pandas 中的重新索引
【8月更文挑战第30天】
33 1
|
2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。
52 1
|
2月前
|
算法 数据挖掘 数据处理
豆瓣评分8.7!Python pandas创始人亲码的数据分析入门手册!
在众多解释型语言中,Python最大的特点是拥有一个巨大而活跃的科学计算社区。进入21世纪以来,在行业应用和学术研究中采用python进行科学计算的势头越来越猛。 近年来,由于Python有不断改良的库(主要是pandas),使其成为数据处理任务的一大代替方案,结合其在通用编程方面的强大实力,完全可以只使用Python这一种语言去构建以数据为中心的应用程序。 作为一个科学计算平台,Python的成功源于能够轻松的集成C、C++以及Fortran代码。大部分现代计算机环境都利用了一些Fortran和C库来是西安线性代数、优选、积分、快速傅里叶变换以及其他诸如此类的算法。
|
2月前
|
存储 数据可视化 前端开发
7个Pandas&Jupyter特殊技巧,让Python数据分析更轻松
7个Pandas&Jupyter特殊技巧,让Python数据分析更轻松
|
2月前
|
SQL 数据可视化 数据挖掘
一文带你看懂Python数据分析利器——Pandas的前世今生
一文带你看懂Python数据分析利器——Pandas的前世今生
|
2月前
|
数据采集 数据挖掘 数据处理
解锁Python数据分析新技能!Pandas实战学习,让你的数据处理能力瞬间飙升!
【8月更文挑战第22天】Python中的Pandas库简化了数据分析工作。本文通过分析一个金融公司的投资数据文件“investment_data.csv”,介绍了Pandas的基础及高级功能。首先读取并检查数据,包括显示前几行、列名、形状和数据类型。随后进行数据清洗,移除缺失值与重复项。接着转换日期格式,并计算投资收益。最后通过分组计算平均投资回报率,展示了Pandas在数据处理与分析中的强大能力。
36 0
下一篇
无影云桌面