【Python数据分析 - 12】:Series结构、pandas中值的获取和修改、切片操作与排序(pandas篇)

简介: 【Python数据分析 - 12】:Series结构、pandas中值的获取和修改、切片操作与排序(pandas篇)

Series结构


Series结构是一维数据,只有行索引,没有列索引

  • 创建一个Series,pd.Series()中是一个字典,键为index,值为index指向的数据

973008af7994488d8893a6b09defe712.png


pandas中值的获取和修改


数据准备

2aa85fca4ded43f584596db397800553.png


根据列索引取值


  • 取一列值,出现的是一个Series结构

30be19acfa68426c9b4fe756c4ee7b0f.png


取多列值时需要用列表括起来

94b7171c605b42db97d943767a7f201f.png



根据行索引取值


根据行索引取值时必须有一个范围,不然会报错。



6025fb11f9f242b58d1d18975f67aec5.png


根据行列索引取值


注意:根据行列索引取值是必须先是列再是行,不然会报错。

299fb976cd6d4560a59367f629e8f85b.png


修改值


  • 修改一列

67d5e97d1a2043a994ed17961f7d4d69.png


修改单个数


dd36005783054ec7b133c6396e9b95df.png

d2bcf77d1565485abfbf910ca6ed3beb.png


切片操作与排序


切片操作


loc

loc:只能锁定行列索引的名字


b7140c55b9a64d4d9af378e64764a8b8.png

a7d3a7f2bae048ecb4455132cc03307d.png


iloc

iloc:可以通过索引的下标获取,索引是时间或下标的名字

4be1ea68b5eb4789a12f2f2d2e02522d.png

16f5f8baede141c096d2d5620d195b3b.png




排序


sort_index()


  • sort_index() – 对index进行排序,默认从小到大排序

d719960d064444a2b56c7e328fbeb220.png


ascending = False – 从大到小排序


7af8cf9bc1cb4c5e8aba8cada86b44cc.png


sort_values()


sort_values对值进行排序


  • 根据第date列的值进行排序

eed523906b43456986f282b132255875.png


根据多个值进行排序,当open有两个数相同时,就会根据high进行排序

7e1241c31e9441ba8b0aeee13d5c9926.png

相关文章
|
6月前
|
存储 JavaScript Java
(Python基础)新时代语言!一起学习Python吧!(四):dict字典和set类型;切片类型、列表生成式;map和reduce迭代器;filter过滤函数、sorted排序函数;lambda函数
dict字典 Python内置了字典:dict的支持,dict全称dictionary,在其他语言中也称为map,使用键-值(key-value)存储,具有极快的查找速度。 我们可以通过声明JS对象一样的方式声明dict
398 1
|
6月前
|
Java 数据处理 索引
(Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
DataFrame结构 每一列都属于Series类型,不同列之间数据类型可以不一样,但同一列的值类型必须一致。 DataFrame拥有一个总的 idx记录列,该列记录了每一行的索引 在DataFrame中,若列之间的元素个数不匹配,且使用Series填充时,在DataFrame里空值会显示为NaN;当列之间元素个数不匹配,并且不使用Series填充,会报错。在指定了index 属性显示情况下,会按照index的位置进行排序,默认是 [0,1,2,3,...] 从0索引开始正序排序行。
458 0
|
6月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
638 0
|
6月前
|
Java 数据处理 索引
(numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
ndarray切片 索引从0开始 索引/切片类型 描述/用法 基本索引 通过整数索引直接访问元素。 行/列切片 使用冒号:切片语法选择行或列的子集 连续切片 从起始索引到结束索引按步长切片 使用slice函数 通过slice(start,stop,strp)定义切片规则 布尔索引 通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。
333 0
|
6月前
|
索引 Python
Python 列表切片赋值教程:掌握 “移花接木” 式列表修改技巧
本文通过生动的“嫁接”比喻,讲解Python列表切片赋值操作。切片可修改原列表内容,实现头部、尾部或中间元素替换,支持不等长赋值,灵活实现列表结构更新。
276 1
|
6月前
|
索引 Python
098-python列表_切片_slice_开始_结束
本文介绍了Python中列表的切片(slice)操作,通过“前闭后开”原则截取列表片段,支持正负索引、省略端点等用法,并结合生活实例(如切面包、直播切片)帮助理解。切片不改变原列表,返回新列表。
387 4
|
8月前
|
存储 数据采集 数据处理
Pandas与NumPy:Python数据处理的双剑合璧
Pandas与NumPy是Python数据科学的核心工具。NumPy以高效的多维数组支持数值计算,适用于大规模矩阵运算;Pandas则提供灵活的DataFrame结构,擅长处理表格型数据与缺失值。二者在性能与功能上各具优势,协同构建现代数据分析的技术基石。
637 0
|
8月前
|
数据采集 索引 Python
Python Slice函数使用教程 - 详解与示例 | Python切片操作指南
Python中的`slice()`函数用于创建切片对象,以便对序列(如列表、字符串、元组)进行高效切片操作。它支持指定起始索引、结束索引和步长,提升代码可读性和灵活性。
|
Python
python pandas学习(一)
该代码段展示了四个主要操作:1) 删除指定列名,如商品id;2) 使用正则表达式模糊匹配并删除列,例如匹配订单商品名称1的列;3) 将毫秒级时间戳转换为带有时区调整的日期时间格式,并增加8小时以适应本地时区;4) 将列表转换为DataFrame后保存为Excel文件,文件路径和名称根据变量拼接而成。
215 3
|
存储 数据挖掘 数据处理
Python Pandas入门:行与列快速上手与优化技巧
Pandas是Python中强大的数据分析库,广泛应用于数据科学和数据分析领域。本文为初学者介绍Pandas的基本操作,包括安装、创建DataFrame、行与列的操作及优化技巧。通过实例讲解如何选择、添加、删除行与列,并提供链式操作、向量化处理、索引优化等高效使用Pandas的建议,帮助用户在实际工作中更便捷地处理数据。
444 2

推荐镜像

更多