【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
|
10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。
715 0
|
10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。
770 0
|
12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。
873 0
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
2073 4
数据分析的 10 个最佳 Python 库
|
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。
1138 9
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
585 2
|
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
|
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
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南
|
SQL 数据挖掘 Python
数据分析编程:SQL,Python or SPL?
数据分析编程用什么,SQL、python or SPL?话不多说,直接上代码,对比明显,明眼人一看就明了:本案例涵盖五个数据分析任务:1) 计算用户会话次数;2) 球员连续得分分析;3) 连续三天活跃用户数统计;4) 新用户次日留存率计算;5) 股价涨跌幅分析。每个任务基于相应数据表进行处理和计算。

热门文章

最新文章