Numpy 与 DataFrame对比与应用
2024-09-29 09:26:04
(一)对比Numpty 与 DataFrame默认索引取值不同点
Numpy索引取值
#Numpy索引取值
data=np.empty((2,4),dtype=int)
print(data)
''' [[4128860 6029375 3801157 7340124]
[7602297 7274600 3342446 54]] ''' #取行
print('取第一行结果')
print(data[0]) #[4128860 6029375 3801157 7340124] 默认data【0】拿到的是数组第一行的值
'''
取第一行结果
[4128860 6029375 3801157 7340124] ''' #取列
print('取第一列的结果')
print(data[:,[0]])
'''
取第一列的结果
[[4128860]
[7602297]]
'''
DataFrame索引取值
#Dataframe的索引取值
data=pd.DataFrame(data)
print(data) '''原始DataFrame数组 0 1 2 3
0 4128860 6029375 3801157 7340124
1 7602297 7274600 3342446 54 ''' #取行的值
print('取第二行的值')
print(data[1:2])
'''
取第一行的值
0 1 2 3
0 4128860 6029375 3801157 7340124
''' #取列的值
print('取第一列的值')
print(data[0]) #这里data【0】拿到的是第一列的值
'''
取第一列的值
0 4128860
1 7602297
Name: 0, dtype: int32 '''
(二)Numpy与DataFrame之间转换
Numpy数组:
通过Numpy生成一个随机5行5列数组
import random
data=np.zeros((5,5),dtype=int)
通过random模块改变数组中的每个值
for i in range(len(data)):
for j in range(len(data[0])):
data[i][j] = random.randint(0,5) print(data) '''Numpy初始的数组结构 [[1 4 4 0 2]
[3 2 5 5 2]
[3 4 1 5 5]
[2 3 1 0 1]
[4 4 1 1 1]] '''
查看Numpy数组类型
#看Numpy初始的数组类型
print(type(data)) #<class 'numpy.ndarray'>
将Numpy数组转为DataFrame数组:
data_new=pd.DataFrame(data)
print(data_new) '''转换为DataFrame之后的结构
0 1 2 3 4
0 1 4 4 0 2
1 3 2 5 5 2
2 3 4 1 5 5
3 2 3 1 0 1
4 4 4 1 1 1 '''
查看转换后的数组类型
#看装换之后的数据类型
print(type(data_new)) #<class 'pandas.core.frame.DataFrame'>
最新文章
- 集成学习之Adaboost算法原理小结
- c#官方推荐md5通用加密类
- 【CSS】梯形、平行四边形导航条与毛玻璃效果【转】
- 上中下三个DIV,高度自适应(上高度固定,下固定,中间自适应)(代码来自X人)
- 使用update!导致的更新时候的错误信息不显示 ruby on rails
- Date() 及其 如何验证用户输入的日期是合法的
- 获取EntityFrameWork返回的错误和ModelState中的错误
- WPF在后台中写一个鼠标移入移出的操作
- Spring 通过工厂方法(Factory Method)来配置bean
- asp.net页面刷新等问题
- 万恶DevExpress
- 兼容安卓的javaproject1.0
- POJ [P2594] Treasure Exploration
- swoole_proces实现多进程
- 开启Apache的server status监测
- 如何在本地数据中心安装Service Fabric for Windows集群
- Oracle数据加载和卸载
- Java性能调优(一):调优的流程和程序性能分析
- Django models 常用数据类型
- 分布式监控系统Zabbix-3.0.3-完整安装记录(1)