python数据分析基础005 -pandas详解_pandas入门这一篇就足够了

简介: python数据分析基础005 -pandas详解_pandas入门这一篇就足够了

文章目录

  • 💡结语
  • 🐚作者简介:苏凉(在python路上)

🐳博客主页:苏凉.py的博客

👑名言警句:海阔凭鱼跃,天高任鸟飞。

📰要是觉得博主文章写的不错的话,还望大家三连支持一下呀!!!

👉关注✨点赞👍收藏📂

🌸前言image.png🌔(一)pandas基础介绍

🍸1.什么是pandasimage.png🍹2.为什么要学习pandasimage.png🍻3.pandas的安装image.png🥂4.导入pandas库

import pandas as pd

🌖(二)pandas的常用数据类型

🥥1.Series(一维,带标签数组)

import pandas as pd
a = pd.Series([1,5,4,85,87,512])
print(a,type(a))

结果:

从上述结果中我们可以看到Series创建的对象带有索引。

🍇1.1 创建索引image.png

b = pd.Series([1,5,4,2,45,45,24,5],index=list('abcdefgh'))
print(b)

结果:

🍈1.2 通过字典创建Seriesimage.png

import pandas as pd
dic = {
    'name':'苏凉.py',
    'age':'22',
    'qq_num':'787991021',
}
information = pd.Series(dic)
print(information)

结果:

🍉1.3 Series的切片和索引image.png

🍊1.3.1 显示某个值

import pandas as pd
dic = {
    'name':'苏凉.py',
    'age':'22',
    'qq_num':'787991021',
}
information = pd.Series(dic)
print(information)
print('-'*100)
print(information[0])

结果:

🍍1.3.2 显示多个不连续的值

print(information[[0,2,3]])

结果:

🍎1.3.3 显示多个连续的值

print(information[0:3])

结果:

🍏1.3.4 通过索引查找值

print(information[['name','age','wechat']])

结果:

🍐1.4 Series的索引和值属性image.png

🍑1.4.1 Series的索引(index)

print(information.index)

结果:

🍒1.4.2 索引遍历

a = information.index
for i in a:
    print(i)

结果:

🥕1.4.3 Series的值(values)

print(information.values)


结果:


image.png

🌰2.DataFrame(二维,Series容器)

import pandas as pd
import numpy as np
a = pd.DataFrame(np.arange(1,13).reshape(3,4))
print(a)

结果:

image.png

💐2.1 创建索引image.png

a = pd.DataFrame(np.arange(1,13).reshape(3,4),index=list('123'),columns=list('ABCD'))

结果:

🌸2.2 通过字典创建DataFrame

方法一:

import pandas as pd
list = {
    'name':['苏凉.py','佚名'],
    'age':['22','15'],
    'QQ_num':['787991021','01234567'],
    'wechat':['lxzy787991021','ym789456']
}
person = pd.DataFrame(list)
print(person)

结果:

方法二:

import pandas as pd
list2 = [
    {'name':'苏凉.py','age':'22','QQ_num':'787991021','wechat':'lxzy787991021'},
    {'name':'佚名','QQ_num':'01234567','wechat':'ym789456'}
]
person = pd.DataFrame(list2)
print(person)

结果:

image.png

🌺2.3 DataFrame的索引和切片image.png

🌻2.3.1 取前几行

print(person[:2])

结果:

🌼2.3.2 取某列

print(person['name'])

结果:

🌷2.3.3 取多列

print(person[['name','wechat']])

结果:

🌲2.4.1.2 取多行
print(person.loc[[0,1]])

结果:

🌳2.4.1.3 取某列
print(person.loc[:,'name'])

结果:

🌴2.4.1.3 取多列
print(person.loc[:,['name','wechat']])

结果:

🌵2.4.1.3 取某行某列
print(person.loc[0,'wechat'])

结果:

🌾2.4.1.4 取多行多列
print(person.loc[0:1,['name','QQ_num']])

结果:

🌿2.4.2 利用iloc来获取值image.png

🍀2.4.2.1 获取行
print(person.iloc[0,])

结果:

🍁2.4.2.2 获取列
print(person.iloc[:,2])

结果:image.png

🍂2.4.2.3 获取某行某列
print(person.iloc[0,3])

结果:image.png

🍃2.4.2.4 获取多行多列
print(person.iloc[[0,1],[0,2,3]])

结果:

image.png


💡结语

今天的内容到这里就结束啦,觉得写的不错的话给个三连支持一下吧!!文章有不足之处还望指出,一起加油进步啊!希望看到此文的小伙伴都有所收获!关注我,咱们下期再见!!


相关文章
|
4月前
|
SQL 关系型数据库 数据库
Python SQLAlchemy模块:从入门到实战的数据库操作指南
免费提供Python+PyCharm编程环境,结合SQLAlchemy ORM框架详解数据库开发。涵盖连接配置、模型定义、CRUD操作、事务控制及Alembic迁移工具,以电商订单系统为例,深入讲解高并发场景下的性能优化与最佳实践,助你高效构建数据驱动应用。
610 7
|
4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。
407 0
|
5月前
|
测试技术 开发者 Python
Python单元测试入门:3个核心断言方法,帮你快速定位代码bug
本文介绍Python单元测试基础,详解`unittest`框架中的三大核心断言方法:`assertEqual`验证值相等,`assertTrue`和`assertFalse`判断条件真假。通过实例演示其用法,帮助开发者自动化检测代码逻辑,提升测试效率与可靠性。
491 1
|
4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。
593 0
|
5月前
|
数据采集 数据可视化 数据挖掘
Python数据分析实战:Pandas处理结构化数据的核心技巧
在数据驱动时代,结构化数据是分析决策的基础。Python的Pandas库凭借其高效的数据结构和丰富的功能,成为处理结构化数据的利器。本文通过真实场景和代码示例,讲解Pandas的核心操作,包括数据加载、清洗、转换、分析与性能优化,帮助你从数据中提取有价值的洞察,提升数据处理效率。
313 3
|
4月前
|
Cloud Native 算法 API
Python API接口实战指南:从入门到精通
🌟蒋星熠Jaxonic,技术宇宙的星际旅人。深耕API开发,以Python为舟,探索RESTful、GraphQL等接口奥秘。擅长requests、aiohttp实战,专注性能优化与架构设计,用代码连接万物,谱写极客诗篇。
Python API接口实战指南:从入门到精通
|
4月前
|
数据可视化 大数据 关系型数据库
基于python大数据技术的医疗数据分析与研究
在数字化时代,医疗数据呈爆炸式增长,涵盖患者信息、检查指标、生活方式等。大数据技术助力疾病预测、资源优化与智慧医疗发展,结合Python、MySQL与B/S架构,推动医疗系统高效实现。
|
4月前
|
存储 Java 调度
Python定时任务实战:APScheduler从入门到精通
APScheduler是Python强大的定时任务框架,通过触发器、执行器、任务存储和调度器四大组件,灵活实现各类周期性任务。支持内存、数据库、Redis等持久化存储,适用于Web集成、数据抓取、邮件发送等场景,解决传统sleep循环的诸多缺陷,助力构建稳定可靠的自动化系统。(238字)
888 1
|
5月前
|
调度 数据库 Python
Python异步编程入门:asyncio让并发变得更简单
Python异步编程入门:asyncio让并发变得更简单
344 5
|
5月前
|
数据可视化 数据挖掘 大数据
基于python大数据的水文数据分析可视化系统
本研究针对水文数据分析中的整合难、分析单一和可视化不足等问题,提出构建基于Python的水文数据分析可视化系统。通过整合多源数据,结合大数据、云计算与人工智能技术,实现水文数据的高效处理、深度挖掘与直观展示,为水资源管理、防洪减灾和生态保护提供科学决策支持,具有重要的应用价值和社会意义。

推荐镜像

更多