Python使用pandas库,其中的DataFrame可以看作是一个二维的、大小可变的、有潜在异构类型列的表格型数据结构

Python的pandas库是一个非常强大的数据处理工具,其中的DataFrame对象更是其核心组件。DataFrame可以看作是一个二维的、大小可变的、有潜在异构类型列的表格型数据结构。你可以把它想象成一个Excel表格,有行有列,可以存储各种类型的数据。

下面是一些常见的pandas DataFrame对象处理操作:

  1. 创建DataFrame

python

复制

import pandas as pd

使用字典创建DataFrame

data = {'Name': ['Tom', 'Nick', 'John'], 'Age': [20, 21, 19]}

df = pd.DataFrame(data)

打印DataFrame

print(df)

  1. 查看DataFrame的基本信息

python

复制

查看前几行数据

print(df.head())

查看后几行数据

print(df.tail())

查看数据的基本信息,包括每列的非空值数量、类型等

print(df.info())

查看数据的摘要统计

print(df.describe())

  1. 选择数据

python

复制

选择单列

print(df['Name'])

选择多列

print(df[['Name', 'Age']])

使用iloc根据整数位置选择行和列

print(df.iloc[0:2, 0:1]) # 选择前两行,第一列

使用loc根据标签选择行和列

print(df.loc[0:2, 'Name']) # 选择前两行,'Name'列

  1. 数据清洗

python

复制

删除含有缺失值的行

df_dropna = df.dropna()

填充缺失值

df_fillna = df.fillna(method='ffill') # 前向填充

  1. 数据排序

python

复制

按照某列进行排序

df_sorted = df.sort_values(by='Age')

  1. 数据分组和聚合

python

复制

按照某列进行分组,并对另一列进行聚合操作(如求和)

df_grouped = df.groupby('Name')['Age'].sum()

  1. 数据合并

python

复制

创建另一个DataFrame

df2 = pd.DataFrame({'Name': ['Tom', 'Jerry'], 'Score': [90, 85]})

按照'Name'列进行合并

df_merged = pd.merge(df, df2, on='Name')

这些只是pandas DataFrame对象处理的一些基本操作,pandas库的功能远不止于此。如果你需要处理更复杂的数据,建议查阅pandas的官方文档或相关教程。

相关推荐
数据智能老司机40 分钟前
精通 Python 设计模式——并发与异步模式
python·设计模式·编程语言
数据智能老司机40 分钟前
精通 Python 设计模式——测试模式
python·设计模式·架构
数据智能老司机40 分钟前
精通 Python 设计模式——性能模式
python·设计模式·架构
c8i1 小时前
drf初步梳理
python·django
每日AI新事件1 小时前
python的异步函数
python
这里有鱼汤2 小时前
miniQMT下载历史行情数据太慢怎么办?一招提速10倍!
前端·python
databook11 小时前
Manim实现脉冲闪烁特效
后端·python·动效
程序设计实验室12 小时前
2025年了,在 Django 之外,Python Web 框架还能怎么选?
python
倔强青铜三13 小时前
苦练Python第46天:文件写入与上下文管理器
人工智能·python·面试
用户25191624271116 小时前
Python之语言特点
python