資訊專欄INFORMATION COLUMN
摘要：以列表的形式顯示數據表的列名。返回索引值為行列的數據。將一列按照降序排列，且得到的數據替換原數據。返回為，也就是缺失的數據，這時再調用函數即可求得缺失數據的個數。這是在中的自定義函數的使用方法，括號中傳入函數名。
pandas是python中的 一個數據處理庫，同樣在使用的時候我們要先輸入import pandas as pd引入。
1.df = pd.read_csv("文件路徑")：這是讀取csv文件的方法，如果要讀取excel或其他文檔，都有相應的read函數。
2.df.dtypes：如果在文件中有字符型數據返回的是object。
3.df.head(n)：將前n行數據顯示出來，如果不傳入參數則顯示前5行數據。
4.df.tail(n)：將后n行數據顯示出來，如果不傳入參數則顯示后5行數據。
5.df.columns：以列表的形式顯示數據表的列名。
6.df.shape：以元組的形式顯示表中數據的行數和列數。
7.df.loc[n]：返回索引值為n的行。
8.df.loc[m][n]：返回索引值為m行n列的數據。
9.df.loc[m:n]：返回索引值為m到n的行。
10.df.loc[[m,n,k]]：返回索引值分別為m,n,k的行。
11.df["str"]：返回列名為str的這一列。
12.df.columns.tolist()：將列名做成列表。
13.df["str"]*df["str"]：兩列維度相同，則兩列的對應位置相乘。
14.df.sort_values("str",inplace=True,ascending=False)：將str一列按照降序排列，且得到的數據替換原數據。inplace表示是否用排序后的數據替代原數據，默認為False，也就是不替換。ascending表示排序的順序，默認為True，也就是按照升序排列。
15.judge = pd.isnull(df["str"])：返回bool型值，str這一列的數據是空值返回True，不是空值返回False。
16.a["judge"]：返回judge為True，也就是缺失的數據，這時再調用len()函數即可求得缺失數據的個數。
17.df.pivot_table(index="a",values="b",aggfunc=np.mean)：這是一個很重要的函數，將b求平均值，按照a的類別進行分類，第三個參數默認為求平均值。
18.df.loc[n,"str"]：定位到第n行，列名為str處的數據。
19.sort_res.reset_index(drop=True)：將排序后的數據的編號也重新排列，drop指是否丟棄原數據。運行后的結果與14的圖對比可以發現，編號已經重新排列了。
20.df.apply()：這是在pandas中的自定義函數的使用方法，括號中傳入函數名。
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/43028.html
摘要：在使用之前，大多數數據分析師已經掌握了和，并且在剛上手時會經常習慣性想到老辦法。這種根據列值選取行數據的查詢操作，推薦使用方法。如果我又有一批數據，需要將兩部分數據合并。 大毛 豈安科技業務風險分析師 多年訂單業務反欺詐經驗，負責豈安科技多款產品運營工作。 在使用Pandas之前，大多數數據分析師已經掌握了Excel和SQL，并且在剛上手Pandas時會經常習慣性想到老辦法。如果誰能把...
摘要：在這個教程中，我們將利用的和包來進行數據清洗。在很多情況下，使用唯一的值作為索引值識別數據字段是非常有幫助的。清洗數據字段到現在為止，我們移除了不必要的列并改變了我們的索引變得更有意義。 作者：xiaoyu微信公眾號：Python數據科學知乎：Python數據分析師 數據科學家花了大量的時間清洗數據集，并將這些數據轉換為他們可以處理的格式。事實上，很多數據科學家聲稱開始獲取和清洗數據...
摘要：在這里我分享下我個人入門機器學習的經歷，希望能對大家能有所幫助。相關學習鏈接，，入門后的體驗在入門了機器學習之后，在實際工作中，絕大多數的情況下你并不需要去創造一個新的算法。 機器學習在很多眼里就是香餑餑，因為機器學習相關的崗位在當前市場待遇不錯，但同時機器學習在很多人面前又是一座大山，因為發現它太難學了。在這里我分享下我個人入門機器學習的經歷，希望能對大家能有所幫助。 PS：這篇文章...
閱讀 3360·2021-11-11 16:54
閱讀 3502·2021-10-11 10:58
閱讀 1246·2021-08-30 09:41
閱讀 1802·2019-08-30 15:54
閱讀 2025·2019-08-30 14:00
閱讀 2696·2019-08-29 17:13
閱讀 1656·2019-08-29 15:19
閱讀 601·2019-08-29 15:14
