Python的Pandas库(二)进阶使用

Python开发实用教程

DataFrame的运算

DataFrame重载了运算符,支持许多的运算

算术运算

|---------------------|----------------------------|
| 运算方法 | 运算说明 |
| df.add(other) | 对应元素的加,如果是标量,就每个元素加上标量 |
| df.radd(other) | 等效于other+df |
| df.sub(other) | 对应元素相减,如果是标量,就每个元素减去标量 |
| df.rsub(other) | other-df |
| df.mul(other) | 对应元素相乘,如果是标量,每个元素乘以标量 |
| df.rmul(other) | other*df |
| df.div(other) | 对应元素相除,如果是标量,每个元素除以标量 |
| df.rdiv(other) | other/df |
| df.truediv(other) | 对应元素相除,如果是标量,每个元素除以标量 |
| df.rtruediv(other) | other/df |
| df.floordiv(other) | 对应元素相除取整,如果是标量,每个元素除以标量 |
| df.rfloordiv(other) | other//df |
| df.mod(other) | 对应元素相除取余,如果是标量,每个元素除以标量 |
| df.rmod(other) | other%df |
| df.pow(other) | 对应元素的次方,如果是标量,每个元素的other次方 |
| df.rpow(other) | other**df |

python 复制代码
import pandas as pd

df1 = pd.DataFrame({'c1':[1,2,3,4],'c2':[5,6,7,8],'c3':[10,11,12,13]})
df2 = pd.DataFrame({'c1':[11,12,13,14],'c2':[10,20,30,40],'c3':[100,200,300,400]})
df3 = df1 + df2
print(df3)
'''
   c1  c2   c3
0  12  15  110
1  14  26  211
2  16  37  312
3  18  48  413
'''

df4 = pd.DataFrame({'c1':[11,12,13,14]})
df5 = df1 + df4
print(df5)
'''
   c1  c2  c3
0  12 NaN NaN
1  14 NaN NaN
2  16 NaN NaN
3  18 NaN NaN
'''

df6 = df1 + 1
print(df6)
'''
   c1  c2  c3
0   2   6  11
1   3   7  12
2   4   8  13
3   5   9  14
'''

df7 = df1 -2
print(df7)
'''
   c1  c2  c3
0  -1   3   8
1   0   4   9
2   1   5  10
3   2   6  11
'''

df8 = 2 - df1
print(df8)
'''
   c1  c2  c3
0   1  -3  -8
1   0  -4  -9
2  -1  -5 -10
3  -2  -6 -11
'''

比较运算

比较运算如果是标量,就是每个元素与标量的比较,如果是两个形状一样的DataFrame,生成一个每个元素对应比较的DataFrame。

DataFrame读写文件

|-----------------------------------------------------|----------------------------------|
| 方法名 | 说明 |
| read_table(filepath_or_buffer, *[, sep, ...]) | 从带分隔符的文件读取 |
| read_csv(filepath_or_buffer, *[, sep, ...]) | 读csv格式文件 |
| DataFrame.to_csv([path_or_buf, sep, na_rep, ...]) | 写csv格式文件 |
| read_fwf(filepath_or_buffer, *[, colspecs, ...]) | 读固定宽度的格式文件 |
| read_excel(io[, sheet_name, header, names, ...]) | 读excel文件 |
| DataFrame.to_excel(excel_writer[, ...]) | 写excel文件 |
| ExcelFile(path_or_buffer[, engine, ...]) | 用于将表格格式Excel工作表解析为DataFrame对象的类。 |
| ExcelFile.parse([sheet_name, header, names, ...]) | 解析一个指定的sheet |
| Styler.to_excel(excel_writer[, sheet_name, ...]) | 写指定的sheet |
| ExcelWriter(path[, engine, date_format, ...]) | 用于写入Excel的类 |
| read_json(path_or_buf, *[, orient, typ, ...]) | 从JSON格式读取数据 |
| DataFrame.to_json([path_or_buf, orient, ...]) | 转为为JSON对象字符串 |
| read_html(io, *[, match, flavor, header, ...]) | 从HTML表格读取数据 |
| DataFrame.to_html([buf, columns, col_space, ...]) | 生成HTML表格 |
| Styler.to_html([buf, table_uuid, ...]) | 生成HTML表格 |

相关推荐
kkivivu14 分钟前
家庭用超声波清洗机好用吗?推荐四款性能绝佳的超声波清洗机!
大数据
感谢地心引力34 分钟前
【Qt】Qt安装(2024-10,QT6.7.3,Windows,Qt Creator 、Visual Studio、Pycharm 示例)
c++·windows·python·qt·visual studio
大G哥38 分钟前
ELK日志收集之ES的DSL查询语句
大数据·elk·elasticsearch·搜索引擎·jenkins
或许,这就是梦想吧!43 分钟前
## jupyter_server
ide·python·jupyter
Bruce_Liuxiaowei1 小时前
Python小示例——质地不均匀的硬币概率统计
开发语言·python·概率统计
青云交1 小时前
大数据新视界 --大数据大厂之数据质量评估指标与方法:提升数据可信度
大数据·sql·一致性·完整性·数据质量评估·数据可信度·准确性·时效性
黄焖鸡能干四碗1 小时前
【需求分析】软件系统需求设计报告,需求分析报告,需求总结报告(原件PPT)
大数据·人工智能·安全·测试用例·需求分析
我的运维人生1 小时前
Python技术深度探索:从基础到进阶的实践之旅(第一篇)
开发语言·python·运维开发·技术共享
Bonne journée1 小时前
‌在Python中,print(f‘‘)是什么?
java·开发语言·python
iiimZoey2 小时前
Dit架构 diffusion范式分类+应用
人工智能·python