数据可视化基础专题(七):Pandas基础(六) 数据增删改以及相关操作
首先第一部还是导入 Pandas 与 NumPy ,并且要生成一个 DataFrame ,这里小编就简单的使用随机数的形式进行生成,代码如下:
import numpy as np
import pandas as pd dates = pd.date_range('', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD')) print(df)
这里最后我们打印了一下这个生成的 DataFrame ,结果如下:
A B C D
2020-01-01 0.177499 -0.025693 0.182894 -1.123577
2020-01-02 1.067580 1.592576 -0.010205 -0.349342
2020-01-03 1.141218 1.032333 1.364477 0.851630
2020-01-04 0.920260 -0.243247 0.196369 -0.835655
2020-01-05 -0.729184 -0.235706 1.144007 -1.048619
2020-01-06 -0.480888 -0.995325 -0.283726 0.428644
1.head()
# 查看头部数据
print(df.head(1))
A B C D
2020-01-01 0.177499 -0.025693 0.182894 -1.123577
2.tail()
# 查看尾部数据
print(df.tail(2))
A B C D
2020-01-05 -0.729184 -0.235706 1.144007 -1.048619
2020-01-06 -0.480888 -0.995325 -0.283726 0.428644
3.index
# 获取索引
print(df.index)
DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',
'2020-01-05', '2020-01-06'],
dtype='datetime64[ns]', freq='D')
4.columns
# 获取列名
print(df.columns)
Index(['A', 'B', 'C', 'D'], dtype='object')
5.describe()
# 查看数据的统计摘要
print(df.describe())
A B C D
count 6.000000 6.000000 6.000000 6.000000
mean 0.349414 0.187490 0.432303 -0.346153
std 0.818647 0.948383 0.663604 0.821275
min -0.729184 -0.995325 -0.283726 -1.123577
25% -0.316291 -0.241362 0.038070 -0.995378
50% 0.548879 -0.130700 0.189632 -0.592498
75% 1.030750 0.767826 0.907098 0.234148
max 1.141218 1.592576 1.364477 0.851630
Pandas 还为我们提供了一个神奇的功能,「转置数据」,就是把行列互换,示例如下:
# 转置数据
print(df.T)
2020-01-01 2020-01-02 2020-01-03 2020-01-04 2020-01-05 2020-01-06
A 0.177499 1.067580 1.141218 0.920260 -0.729184 -0.480888
B -0.025693 1.592576 1.032333 -0.243247 -0.235706 -0.995325
C 0.182894 -0.010205 1.364477 0.196369 1.144007 -0.283726
D -1.123577 -0.349342 0.851630 -0.835655 -1.048619 0.428644
6.sort_index()
用途:默认根据行标签对所有行排序,或根据列标签对所有列排序,或根据指定某列或某几列对行排序。
注意:df.sort_index()
可以完成和 df.sort_values()
完全相同的功能,但 python 更推荐用只用 df.sort_index()
对 index 和 columns 排序,其他排序方式用 df.sort_values()
。
语法:DataFrame.sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True, by=None)
- axis:0 按照行名排序;1 按照列名排序。
- level:默认 None ,否则按照给定的 level 顺序排列。
- ascending:默认 True 升序排列; False 降序排列。
- inplace:默认False,否则排序之后的数据直接替换原来的数据框。
- kind:排序方法,{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太关心。
- na_position:缺失值默认排在最后{"first","last"}。
- by:按照某一列或几列数据进行排序,但是by参数貌似不建议使用。
# 默认按「行标签」升序排列
print(df1.sort_index())
b a c
0 2 3 3
1 3 2 8
2 1 4 1
3 2 1 2
# 按「列标签」升序排列
print(df1.sort_index(axis=1))
a b c
2 4 1 1
0 3 2 3
1 2 3 8
3 1 2 2
7.sort_values()
用途:既可以根据列数据,也可根据行数据排序。
注意:必须指定by参数,即必须指定哪几行或哪几列;无法根据 index 和 columns 排序(由 sort_index()
执行)
语法:DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')
- axis:{0 or ‘index’, 1 or ‘columns’}, default 0,默认按照列排序,即纵向排序;如果为1,则是横向排序。
- by:str or list of str;如果axis=0,那么by="列名";如果axis=1,那么by="行名"。
- ascending:布尔型,True则升序,如果by=['列名1','列名2'],则该参数可以是[True, False],即第一字段升序,第二个降序。
- inplace:布尔型,是否用排序后的数据框替换现有的数据框。
- kind:排序方法,{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太关心。
- na_position:{‘first’, ‘last’}, default ‘last’,默认缺失值排在最后面。
# 按 b 列升序排序
print(df1.sort_values(by='b'))
b a c
2 1 4 1
0 2 3 3
3 2 1 2
1 3 2 8
# 先按 b 列降序,再按 a 列升序排序
print(df1.sort_values(by=['b','a'],axis=0,ascending=[False,True]))
b a c
1 3 2 8
3 2 1 2
0 2 3 3
2 1 4 1
8.添加、删除
创建好了 DataFrame 以后,我们自然是希望可以动态的操作它,那么标准的 CRUD 操作必不可少。
获取数据示例如下,这里我们使用 df4 做演示:
d1 = {'one': [1., 2., 3., 4.],
'two': [4., 3., 2., 1.]} df4 = pd.DataFrame(d1, index=['a', 'b', 'c', 'd'])
print(df4)
# 删除数据
del df4['two']
df4.pop('three')
print(df4)
one flag
a 1.0 False
b 2.0 False
c 3.0 True
d 4.0 True
# 插入数据
df4['foo'] = 'bar'
print(df4)
one flag foo
a 1.0 False bar
b 2.0 False bar
c 3.0 True bar
d 4.0 True bar
插入与 DataFrame 索引不同的 Series 时,以 DataFrame 的索引为准:
df4['one_trunc'] = df4['one'][:2]
print(df4)
结果如下:
one flag foo one_trunc
a 1.0 False bar 1.0
b 2.0 False bar 2.0
c 3.0 True bar NaN
d 4.0 True bar NaN
最新文章
- Linux基础介绍【第一篇】
- JS获取地址栏参数的方法
- UOJ265 【NOIP2016】愤怒的小鸟
- Js/Ajax中发送HttpPost请求调用WebService
- Jquery瀑布流布局
- WebView介绍
- HTML与CSS入门——第二章 发布Web内容
- sql server数据同步方案-日志传送
- C语言中的函数指针
- Java的引用c++的引用和C指针的区别
- 在IOS应用中从竖屏模式强制转换为横屏模式
- linkin大话面向对象--内部类
- sed标签
- LeetCode - 653. Two Sum IV - Input is a BST
- expect 批量自动部署ssh 免密登陆
- 网络编程—网络基础概览、socket,TCP/UDP协议
- javascript_ajax 地址三级联动
- 微信小程序开发小技巧——单击事件传参、动态修改样式、轮播样式修改等
- python 函数赋值
- ORACLE COMMENTON 使用
热门文章
- CentOS7.5搭建spark2.3.1集群
- Android开发学习笔记Intent 一
- Day7-微信小程序实战-引入iconfont(充分利用iconfont图标库的资源)
- idea的maven项目无法引入junit类
- Git在windows使用git时出现:warning: LF will be replaced by CRLF
- redis高级命令1
- 分词搜索 sphinx+php+mysql
- TCP协议粘包问题详解
- Dll的多字节和Unicode
- 阿里云Linux CentOS8.1 64位服务器安装LNMP(Linux+Nginx+MySQL+PHP) 并发调试之php-fpm配置及其与Nginx的通信