【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
|
3月前
|
自然语言处理 数据挖掘 数据处理
告别低效代码:用对这10个Pandas方法让数据分析效率翻倍
本文将介绍 10 个在数据处理中至关重要的 Pandas 技术模式。这些模式能够显著减少调试时间,提升代码的可维护性,并构建更加清晰的数据处理流水线。
143 3
告别低效代码:用对这10个Pandas方法让数据分析效率翻倍
|
3月前
|
数据采集 数据可视化 搜索推荐
Python数据分析全流程指南:从数据采集到可视化呈现的实战解析
在数字化转型中,数据分析成为企业决策核心,而Python凭借其强大生态和简洁语法成为首选工具。本文通过实战案例详解数据分析全流程,涵盖数据采集、清洗、探索、建模、可视化及自动化部署,帮助读者掌握从数据到业务价值的完整技能链。
391 0
|
10月前
|
数据采集 数据可视化 数据挖掘
Pandas数据应用:天气数据分析
本文介绍如何使用 Pandas 进行天气数据分析。Pandas 是一个强大的 Python 数据处理库,适合处理表格型数据。文章涵盖加载天气数据、处理缺失值、转换数据类型、时间序列分析(如滚动平均和重采样)等内容,并解决常见报错如 SettingWithCopyWarning、KeyError 和 TypeError。通过这些方法,帮助用户更好地进行气候趋势预测和决策。
308 71
|
5月前
|
机器学习/深度学习 数据采集 数据可视化
Python数据分析,别再死磕Excel了!
Python数据分析,别再死磕Excel了!
196 2
|
10月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析的入门指南
本文将引导读者了解如何使用Python进行数据分析,从安装必要的库到执行基础的数据操作和可视化。通过本文的学习,你将能够开始自己的数据分析之旅,并掌握如何利用Python来揭示数据背后的故事。
|
6月前
|
Python
解决Python报错:DataFrame对象没有concat属性的多种方法(解决方案汇总)
总的来说,解决“DataFrame对象没有concat属性”的错误的关键是理解concat函数应该如何正确使用,以及Pandas库提供了哪些其他的数据连接方法。希望这些方法能帮助你解决问题。记住,编程就像是解谜游戏,每一个错误都是一个谜题,解决它们需要耐心和细心。
281 15
|
10月前
|
存储 数据采集 数据可视化
Pandas数据应用:电子商务数据分析
本文介绍如何使用 Pandas 进行电子商务数据分析,涵盖数据加载、清洗、预处理、分析与可视化。通过 `read_csv` 等函数加载数据,利用 `info()` 和 `describe()` 探索数据结构和统计信息。针对常见问题如缺失值、重复记录、异常值等,提供解决方案,如 `dropna()`、`drop_duplicates()` 和正则表达式处理。结合 Matplotlib 等库实现数据可视化,探讨内存不足和性能瓶颈的应对方法,并总结常见报错及解决策略,帮助提升电商企业的数据分析能力。
382 73
|
9月前
|
存储 数据采集 数据可视化
Pandas数据应用:医疗数据分析
Pandas是Python中强大的数据操作和分析库,广泛应用于医疗数据分析。本文介绍了使用Pandas进行医疗数据分析的常见问题及解决方案,涵盖数据导入、预处理、清洗、转换、可视化等方面。通过解决文件路径错误、编码不匹配、缺失值处理、异常值识别、分类变量编码等问题,结合Matplotlib等工具实现数据可视化,并提供了解决常见报错的方法。掌握这些技巧可以提高医疗数据分析的效率和准确性。
257 22
|
8月前
|
机器学习/深度学习 存储 数据可视化
这份Excel+Python飞速搞定数据分析手册,简直可以让Excel飞起来
本书介绍了如何将Python与Excel结合使用,以提升数据分析和处理效率。内容涵盖Python入门、pandas库的使用、通过Python包操作Excel文件以及使用xlwings对Excel进行编程。书中详细讲解了Anaconda、Visual Studio Code和Jupyter笔记本等开发工具,并探讨了NumPy、DataFrame和Series等数据结构的应用。此外,还介绍了多个Python包(如OpenPyXL、XlsxWriter等)用于在无需安装Excel的情况下读写Excel文件,帮助用户实现自动化任务和数据处理。
|
10月前
|
数据采集 数据可视化 索引
Pandas数据应用:股票数据分析
本文介绍了如何使用Pandas库进行股票数据分析。首先,通过pip安装并导入Pandas库。接着,从本地CSV文件读取股票数据,并解决常见的解析错误。然后,利用head()、info()等函数查看数据基本信息,进行数据清洗,处理缺失值和重复数据。再者,结合Matplotlib和Seaborn进行数据可视化,绘制收盘价折线图。最后,进行时间序列分析,设置日期索引、重采样和计算移动平均线。通过这些步骤,帮助读者掌握Pandas在股票数据分析中的应用。
369 5

推荐镜像

更多