pandas的快速使用

简介: pandas的快速使用

Pandas 是一个功能强大、灵活的数据分析和处理库,它可以帮助我们快速处理和分析大量的数据。下面是 Pandas 的一些快速使用方法:

  1. 导入 Pandas:

    import pandas as pd
    
  2. 创建一个数据表:

    data = {
         'Name': ['Tom', 'Nick', 'John', 'Sam'],
            'Age': [28, 32, 25, 30],
            'City': ['New York', 'Los Angeles', 'Chicago', 'San Francisco']}
    df = pd.DataFrame(data)
    
  3. 查看数据表的前几行:

    df.head()
    
  4. 查看数据表的统计信息:

    df.describe()
    
  5. 访问列:

    df['Name']  # 访问 Name 列
    
  6. 添加一列:

    df['Salary'] = [5000, 6000, 4500, 7000]
    
  7. 删除一列:

    df.drop('City', axis=1, inplace=True)
    
  8. 过滤数据:

    df[df['Age'] > 30]  # 过滤出年龄大于30的数据
    
  9. 排序数据:

    df.sort_values(by='Age', ascending=False)  # 根据年龄降序排列数据
    
  10. 保存数据到文件:

    df.to_csv('data.csv', index=False)  # 保存数据到 CSV 文件
    

这只是 Pandas 的一小部分功能,它还有很多强大的功能可以帮助我们进行数据处理和分析。希望对你有帮助!

相关文章
|
7月前
|
Python
精通 Pandas:6~11
精通 Pandas:6~11
65 0
|
7月前
|
数据挖掘 大数据 索引
精通 Pandas:1~5
精通 Pandas:1~5
88 0
|
2月前
|
数据采集 机器学习/深度学习 数据挖掘
Pandas
【10月更文挑战第14天】
37 1
|
3月前
|
Python
|
4月前
|
SQL 数据可视化 数据挖掘
聊聊Pandas的前世今生
聊聊Pandas的前世今生
|
4月前
|
数据可视化 关系型数据库 数据库
原来你是这样的Pandas!!!
原来你是这样的Pandas!!!
|
4月前
|
数据采集 SQL 数据挖掘
我发现了pandas的黄金搭档!
我发现了pandas的黄金搭档!
|
7月前
|
存储 JSON 数据格式
Pandas介绍
Pandas介绍
|
SQL 数据采集 存储
什么是pandas
什么是pandas
169 0
|
存储 分布式计算 大数据