Pandas中DataFrame的常用用法分享

目录

• 1.创建DataFrame
• 2.选择数据
• 3.修改数据
• 4.数据排序
• 5.数据统计
• 6.数据合并
• 7.数据分组
• 8.数据透视表

Pandas是python中最流行的数据分析和处理工具之一，它提供了一个名为DataFrame的数据结构，可以被认为是一个二维表格或电子表格，其中包含行android和列。在本文中，我们将深入探讨Pandas中DataFrame的各种常用的用法，包括创建DataFrame、选择数据、修改数据、数据排序、数据统计、数据合并、数据分组和数据透视表等。

1.创建DataFrame

要创建DataFrame，可以使用Pandas中的DataFrame()函数。下面是一个例子：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 32, 18, 47],
        'gender': ['F', 'M', 'M', 'M']}

df = pd.DataFrame(data)
print(df)

输出：

       name  age gender

0     Alice   25      F

1       Bob   32      M

2   Charlie   18      M

3     David   47      M

2.选择数据

在DataFrame中选择数据有几种方法。可以使用loc[]和iloc[]函数，也可以使用布尔索引。下面是一些例子：

# xTOsKNLXC使用loc[]函数选择数据
print(df.loc[0])          # 选择第一行
print(df.loc[0:2])        # 选择前三行
print(df.loc[0:2, 'name'])# 选择前三行的name列

# 使用iloc[]函数选择数据
print(df.iloc[0])         # 选择第一行
print(df.iloc[0:2])       # 选择前两行
print(df.iloc[0:2, 0])    # 选择前两行的第一列

# 使用布尔索引选择数据
print(df[df['age'] > 30]) # 选择年龄大于30的行

3.修改数据

要修改DataFrame中的数据，可以使用loc[]或iloc[]函数。下面是一个例子：

# 修改数据
df.loc[0, 'age'] = 26
print(df)

# 添加新数据
df.loc[4] = ['Eve', 29, 'F']
print(df)

# 删除数据
df = df.drop(4)
print(df)

4.数据排序

要对DataFrame中的数据进行排序，可以使用sort_values()函数。下面是一个例子：

# 按年龄升序排序
df = df.sort_valjavascriptues('age')
print(df)

# 按年龄降序排序
df = df.sort_values('age', ascending=False)
print(df)

5.数据统计

要对DataFrame中的数据进行统计，可以使用describe()函数和其他函数，例如mean()、median()和std()。下面是一个例子：

# 描述数据
print(df.describe())

# 计算平均年龄
print(df['age'].mean())

# 计算年龄中位数
print(df['age'].median())

# 计算年龄标准差
print(df['age'].std())

6.数据合并

要合并两个DataFrame，可以使用concat()函数。下面是一个例子：

# 创建第二个DataFrame
data2 = {'name': ['Frank', 'Grace'],
         'age': [39, 28],
         'gender': ['M', 'F']}
df2 = pd.DataFrame(data2)

# 合并两个DataFrame
df = pd.concat([df, df2])
print(dphpf)

7.数据分组

要按某些标准对DataFrame中的数据开发者_Python学习进行分组，可以使用groupby()函数。下面是一个例子：

# 按性别分组并计算平均年龄
print(df.groupby('gender')['age'].mean())编程客栈

8.数据透视表

要创建数据透视表，可以使用pivot_table()函数。下面是一个例子：

# 创建数据透视表
print(pd.pivot_table(df, values='age', index='gender', columns='name'))

到此这篇关于Pandas中DataFrame的常用用法分享的文章就介绍到这了,更多相关Pandas DataFrame内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！