【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
|
1月前
|
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。
27 3
|
3月前
|
存储 数据挖掘 数据处理
掌握Pandas核心数据结构:Series与DataFrame的四种创建方式
本文介绍了 Pandas 库中核心数据结构 Series 和 DataFrame 的四种创建方法,包括从列表、字典、标量和 NumPy 数组创建 Series,以及从字典、列表的列表、NumPy 数组和 Series 字典创建 DataFrame,通过示例详细说明了每种创建方式的具体应用。
246 67
|
2月前
|
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。
59 2
|
3月前
|
算法 数据挖掘 索引
Pandas数据排序:单列与多列排序详解
本文介绍了Pandas库中单列和多列排序的方法及常见问题的解决方案。单列排序使用`sort_values()`方法,支持升序和降序排列,并解决了忽略大小写、处理缺失值和索引混乱等问题。多列排序同样使用`sort_values()`,可指定不同列的不同排序方向,解决列名错误和性能优化等问题。掌握这些技巧能提高数据分析效率。
118 9
|
3月前
|
存储 数据挖掘 索引
Pandas数据结构:Series与DataFrame
本文介绍了 Python 的 Pandas 库中两种主要数据结构 `Series` 和 ``DataFrame`,从基础概念入手,详细讲解了它们的创建、常见问题及解决方案,包括数据缺失处理、数据类型转换、重复数据删除、数据筛选、排序、聚合和合并等操作。同时,还提供了常见报错及解决方法,帮助读者更好地理解和使用 Pandas 进行数据分析。
225 10
|
3月前
|
存储 数据挖掘 索引
Pandas Series 和 DataFrame 常用属性详解及实例
Pandas 是 Python 数据分析的重要工具,其核心数据结构 Series 和 DataFrame 广泛应用。本文详细介绍了这两种结构的常用属性,如 `index`、`values`、`dtype` 等,并通过具体示例帮助读者更好地理解和使用这些属性,提升数据分析效率。
83 4
|
4月前
|
数据采集 数据可视化 数据处理
Python数据科学:Pandas库入门与实践
Python数据科学:Pandas库入门与实践
|
4月前
|
机器学习/深度学习 数据采集 数据可视化
Python数据科学实战:从Pandas到机器学习
Python数据科学实战:从Pandas到机器学习
|
4月前
|
数据采集 数据可视化 数据挖掘
Python数据分析:Pandas库实战指南
Python数据分析:Pandas库实战指南
|
4月前
|
并行计算 数据挖掘 大数据
Python数据分析实战:利用Pandas处理大数据集
Python数据分析实战:利用Pandas处理大数据集