在操作数据的时候，DataFrame对象中删除一个或多个列是常见的操作，并且实现方法较多，然而这中间有很多细节值得关注。...并且你可以传入多个值，即删除多行或者多列。...如果这些对你来说都不是很清楚，建议参阅《跟老齐学Python：数据分析》中对此的详细说明。 另外的方法 除了上面演示的方法之外，还有别的方法可以删除列。...必须通过对细节的剖析，才能搞清楚问题的根源。 首先，del df['b']有效，是因为DataFrame对象中实现了__delitem__方法，在执行del df['b']时会调用该方法。...当然，并不是说DataFrame对象的类就是上面那样的，而是用上面的方式简要说明了一下原因。 所以，在Pandas中要删除DataFrame的列，最好是用对象的drop方法。
今天正在吃饭，一个朋友提出了一个他面试中遇到的问题，MySQL允许在唯一索引字段中添加多个NULL值。...字段为null的数据： INSERT INTO `test` VALUES (1, NULL); INSERT INTO `test` VALUES (2, NULL); 并没有报错，说明MySQL允许在唯一索引字段中添加多个...对于其他引擎，唯一索引允许包含空值的列有多个空值。...网友给出的解释为： 在sql server中，唯一索引字段不能出现多个null值 在mysql 的innodb引擎中，是允许在唯一索引的字段中出现多个null值的。...**根据这个定义，多个NULL值的存在应该不违反唯一约束，所以是合理的，在oracel也是如此。 这个解释很形象，既不相等，也不不等，所以结果未知。
'w'列，使用类字典属性,返回的是Series类型 data.w #选择表格中的'w'列，使用点属性,返回的是Series类型 data[['w']] #选择表格中的'w'列，返回的是DataFrame...类型 data[['w','z']] #选择表格中的'w'、'z'列 data[0:2] #返回第1行到第2行的所有行，前闭后开，包括前不包括后 data[1:2] #返回第2行，从0计，返回的是单行...'b'列中大于6所在的行中的第4列，有点拗口 Out[31]: d three 13 data.ix[data.a 5,2:4] #选择'a'列中大于5所在的行中的第3-5（不包括5）列 Out[32...(1) #返回DataFrame中的第一行 最近处理数据时发现当pd.read_csv()数据时有时候会有读取到未命名的列，且该列也用不到，一般是索引列被换掉后导致的，有强迫症的看着难受，这时候dataframe.drop...github地址 到此这篇关于python中pandas库中DataFrame对行和列的操作使用方法示例的文章就介绍到这了,更多相关pandas库DataFrame行列操作内容请搜索ZaLou.Cn以前的文章或继续浏览下面的相关文章希望大家以后多多支持
选取多个DataFrame列 # 用列表选取多个列 In[2]: movie = pd.read_csv('data/movie.csv') movie_actor_director...对列名进行排序 # 读取movie数据集 In[12]: movie = pd.read_csv('data/movie.csv') In[13]: movie.head() Out[13]: ?...# 打印列索引 In[14]: movie.columns Out[14]: Index(['color', 'director_name', 'num_critic_for_reviews', 'duration...facebook_likes', 'imdb_score', 'aspect_ratio', 'movie_facebook_likes'], dtype='object') # 将列索引按照指定的顺序排列...# 查看US News前五所最具多样性的大学在diversity_metric中的情况 In[81]: us_news_top = ['Rutgers University-Newark',
本次的练习是：如下图1所示，单元格区域A2:E5中包含一系列值和空单元格，其中有重复值，要求从该单元格区域中生成按字母顺序排列的不重复值列表，如图1中G列所示。 ?...在单元格H1中的公式比较直接，是一个获取列表区域唯一值数量的标准公式： =SUMPRODUCT((Range1"")/COUNTIF(Range1,Range1&"")) 转换为： =SUMPRODUCT...上述公式构造中的Arry4为： INDEX(Range1,N(IF(1,Arry2)),N(IF(1,Arry3))) 这里，只是简单地索引二维区域中的每个元素。...唯一不同的是，Range1包含一个4行5列的二维数组，而Arry4是通过简单地将Range1中的每个元素进行索引而得出的，实际上是20行1列的一维区域。...，因此提供了一种仅返回唯一值的方法。
DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）。...它们可以让你用类似 NumPy 的标记，使用轴标签（loc）或整数索引（iloc），从DataFrame选择行和列的子集。...下表对DataFrame进行了总结： 类型 描述 df[val] 从DataFrame选取单列或一组列;在特殊情况下比较便利:布尔型数组（过滤行）、切片(行切片)、或布尔型DataFrame（根据条件设置值...时，你可能希望根据一个或多个列中的值进行排序。...返回一个Series，其索引为唯一值，其值为频率，按计数值降序排列 有时，你可能希望得到DataFrame中多个相关列的一张柱状图。
我们删除了4列，因此列数从14减少到10。 2.读取时选择特定的列 我们只打算读取csv文件中的某些列。读取时，列列表将传递给usecols参数。如果您事先知道列名，则比以后删除更好。...这些方法根据索引或标签选择行和列。 loc：带标签选择 iloc：用索引选择 先创建20个随机indices。...考虑从DataFrame中抽取样本的情况。该示例将保留原始DataFrame的索引，因此我们要重置它。...17.设置特定的列作为索引 我们可以将DataFrame中的任何列设置为索引。 df_new.set_index('Geography') ?...first表示根据它们在数组（即列）中的顺序对其进行排名。 21.列中唯一值的数量 使用分类变量时，它很方便。我们可能需要检查唯一类别的数量。
=False) # 查看Series对象的唯一值和计数 df.apply(pd.Series.value_counts) # 查看DataFrame对象中每一列的唯一值和计数 df.isnull().any...df.at[5,"col1"] # 选择索引名称为5，字段名称为col1的数据 df.iat[5,0] # 选择索引排序为5，字段排序为0的数据 data.str.contains("s") # 数据中含有...df.set_index('column_one') # 将某个字段设为索引，可接受列表参数，即设置多个索引 df.reset_index("col1")# 将索引设置为col1字段，并将索引新设置为...]) data.apply(np.mean) # 对DataFrame中的每一列应用函数np.mean data.apply(np.max,axis=1) # 对DataFrame中的每一行应用函数np.max...),on=col1,how='inner') # 对df1的列和df2的列执行SQL形式的join，默认按照索引来进行合并，如果df1和df2有共同字段时，会报错，可通过设置lsuffix,rsuffix
前言 ---- 简单描述 MySQL 中，索引，主键，唯一索引，联合索引 的区别，对数据库的性能有什么影响（从读写两方面） 这是一道非常经典的 MySQL 索引面试题，意在看面试者是否了解索引的几种类型以及索引的优点和存在的弊端...几种索引类型的区别 ---- 索引是帮助数据库高效获取数据的一种数据结构，索引文件中记录着对数据表数据的引用指针 主键是一种特殊的唯一索引，在一张表中只能有一个主键索引，主键索引用于唯一标识一条记录 唯一索引用于确保某一列只包含各不相同的值...，也就是说，唯一索引可以保证数据记录的唯一性 联合索引是指通过多个列建立的索引，比如有: 联合主键索引，联合唯一索引 站长源码网 3....索引读写方面对数据库性能的影响 ---- 读: 索引可以极大的提高数据查询速度，建立索引后会生成索引文件，所以索引本质上是以空间换时间 写: 索引会降低插入，删除，更新的速度，是因为当数据发生改变后，会重新建立索引...，那么就会重新构建索引文件，导致增删改操作变慢
DataFrame有两种可供选择的索引模式：loc用于通过标签进行索引，iloc用于通过位置索引进行索引。 在Pandas中，引用多行/列是一种复制，而不是一种视图。...垂直stacking 这可能是将两个或多个DataFrame合并为一个的最简单的方法：你从第一个DataFrame中提取行，并将第二个DataFrame中的行附加到底部。...就像1:1的关系一样，要在Pandas中连接一对1:n的相关表，你有两个选择。...注意：要小心，如果第二个表有重复的索引值，你会在结果中出现重复的索引值，即使左表的索引是唯一的 有时，连接的DataFrame有相同名称的列。...一列范围内的用户函数唯一可以访问的是索引，这在某些情况下是很方便的。例如，那一天，香蕉以50%的折扣出售，这可以从下面看到： 为了从自定义函数中访问group by列的值，它被事先包含在索引中。
寄语：本文对Pandas基础内容进行了梳理，从文件读取与写入、Series及DataFrame基本数据结构、常用基本函数及排序四个模块快速入门。同时，文末给出了问题及练习，以便更好地实践。...索引对齐特性 这是Pandas中非常强大的特性，在对多个DataFrame 进行合并或者加减乘除操作时，行和列的索引都重叠的时候才能进行相应操作，否则会使用NA值进行填充。...根据类型选择列 df.select_dtypes(include=['number'])df.select_dtypes(include=['float']) Series和DataFrame相互转换...对于Series，它可以迭代每一列的值(行)操作；对于DataFrame，它可以迭代每一个列操作。 # 遍历Math列中的所有值，添加！...答：df.mean(axis=1)意思是对df按列求均值；axis = 0表示保持列标签不变，对行进行操作；axis = 1表示保持行标签不变，对列进行操作。
DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）。...它们可以让你用类似NumPy的标记，使用轴标签（loc）或整数索引（iloc），从DataFrame选择行和列的子集。...笔记：在一开始设计pandas时，我觉得用frame[:, col]选取列过于繁琐（也容易出错），因为列的选择是非常常见的操作。我做了些取舍，将花式索引的功能（标签和整数）放到了ix运算符中。...时，你可能希望根据一个或多个列中的值进行排序。...表5-9 唯一值、值计数、成员资格方法 有时，你可能希望得到DataFrame中多个相关列的一张柱状图。
示例： 查看数值列的统计信息。 df.desrcibe() 6. 选择列 df['ColumnName'] 使用方式： 通过列名选择DataFrame中的一列。 示例： 选择“Salary”列。...选择多列 df[['Column1', 'Column2']] 使用方式： 通过列名选择DataFrame中的一列。 示例： 选择“Name”和“Age”列。...选择行 df.loc[index] 使用方式： 通过索引标签选择DataFrame中的一行。 示例： 选择索引为2的行。 df.loc[2] 9....选择特定行和列 df.loc[index, 'ColumnName'] 使用方式： 通过索引标签和列名选择DataFrame中的特定元素。 示例： 选择索引为1的行的“Name”列的值。...使用value_counts计算唯一值的频率 df['Column'].value_counts() 使用方式： 使用value_counts计算某列中每个唯一值的频率。
示例： 查看数值列的统计信息。 df.describe() 6. 选择列 df['ColumnName'] 使用方式： 通过列名选择DataFrame中的一列。 示例： 选择“Salary”列。...选择多列 df[['Column1', 'Column2']] 使用方式： 通过列名列表选择DataFrame中的多列。 示例： 选择“Name”和“Age”列。...选择行 df.loc[index] 使用方式： 通过索引标签选择DataFrame中的一行。 示例： 选择索引为2的行。 df.loc[2] 9....选择特定行和列 df.loc[index, 'ColumnName'] 使用方式： 通过索引标签和列名选择DataFrame中的特定元素。 示例： 选择索引为1的行的“Name”列的值。...使用value_counts计算唯一值的频率 df['Column'].value_counts() 使用方式： 使用value_counts计算某列中每个唯一值的频率。
在关系型数据库中，它被称为复合主键。 你可以在DataFrame从CSV解析出来后指定要包含在索引中的列，也可以直接作为read_csv的参数。...除了从CSV文件中读取和从现有的列中建立外，还有一些方法来创建MultiIndex。...它感觉不够Pythonic，尤其是在选择多个层次时。 这个方法无法同时过滤行和列，所以名字xs（代表 "cross-section"）背后的原因并不完全清楚。它不能用于设置值。...我们看看文档中对命名规则的描述： "这个函数是通过类比来命名的，即一个集合被重新组织，从水平位置上的并排（DataFrame的列）到垂直方向上的堆叠（DataFrame的索引中）。"..."列" 和Series的 "index"（又称 "info"轴）； sort=False，可选择在操作后对相应的MultiIndex进行排序； inplace=False，可选择执行原地操作（对单个索引不起作用
如果我们想为这些数据添修改索引列（就是数据中的0，1，2），可以使用index参数指定索引。...dataframe里面有个属性叫index，那这个就是索引对应的也是数据库的索引，你也可以把它理解成主键。第二个属性是columns，这个就是一列。对应数据库的表也是一列。...)：从字典对象导入数据，Key是列名，Value是数据 pandas支持从多个数据源导入数据，包含文件，字典，json，sql，html等等。...)：查看索引、数据类型和内存信息 df.describe()：查看数值列的汇总统计 s.value_counts(dropna=False)：查看Series对象的唯一值和计数 df.apply(pd.Series.value_counts...)：查看DataFrame对象中每一列的唯一值和计数 print(df.head(2)) print(df[0:2]) ?
，仅支持一维和二维数据，但数据内部可以是异构数据，仅要求同列数据类型一致即可 numpy的数据结构仅支持数字索引，而pandas数据结构则同时支持数字索引和标签索引 从功能定位上看： numpy虽然也支持字符串等其他数据类型...[ ]，这是一个非常便捷的访问方式，不过需区分series和dataframe两种数据结构理解： series：既可以用标签也可以用数字索引访问单个元素，还可以用相应的切片访问多个值，因为只有一维信息，...自然毫无悬念 dataframe：无法访问单个元素，只能返回一列、多列或多行：单值或多值（多个列名组成的列表）访问时按列进行查询，单值访问不存在列名歧义时还可直接用属性符号" ....4 合并与拼接 pandas中又一个重量级数据处理功能是对多个dataframe进行合并与拼接，对应SQL中两个非常重要的操作：union和join。...，要求每个df内部列名是唯一的，但两个df间可以重复，毕竟有相同列才有拼接的实际意义） merge，完全类似于SQL中的join语法，仅支持横向拼接，通过设置连接字段，实现对同一记录的不同列信息连接，支持
今天是pandas数据处理专题第三篇文章，我们来聊聊DataFrame中的索引。 上篇文章当中我们简单介绍了一下DataFrame这个数据结构的一些常见的用法，从整体上大概了解了一下这个数据结构。...另外，loc是支持二维索引的，也就是说我们不但可以指定行索引，还可以在此基础上指定列。说白了我们可以选择我们想要的行中的字段。 ? 列索引也可以切片，并且可以组合在一起切片： ?...iloc iloc从名字上来看就知道用法应该和loc不会差太大，实际上也的确如此。iloc的用法几乎和loc完全一样，唯一不同的是，iloc接收的不是index索引而是行号。...同样iloc也支持传入多个行号。 ? iloc也支持二维索引，但是对于列，我们也必须传入整数，也就是这个列对应的列号。 ? 和loc不同，iloc的切片也是左闭右开。 ?...先是iloc查询行之后，再对这些行组成的新的DataFrame进行列索引。
的布尔数组 unique #返回唯一值的数组 value_counts #返回一个Series，其索引为唯一值，值为频率，按计数降序排列 ---- 数据清洗...df['A'].unique()# 返回唯一值的数组（类型为array） df.drop_duplicates(['k1'])# 保留k1列中的唯一值的行，默认保留第一行 df.drop_duplicates...(['k1','k2'], take_last=True)# 保留 k1和k2 组合的唯一值的行，take_last=True 保留最后一行 ---- 排序 索引排序 # 默认axis=0，按行索引对行进行排序...","California"] df2 = df1.reindex( columns=states ) set_index() 将DataFrame中的列columns设置成索引index 打造层次化索引的方法...'], inplace = True) # 默认情况下，设置成索引的列会从DataFrame中移除 # drop=False将其保留下来 adult.set_index(['race','sex']
从剪贴板中创建DataFrame 假设你将一些数据储存在Excel或者Google Sheet中，你又想要尽快地将他们读取至DataFrame中。 你需要选择这些数据并复制至剪贴板。...你还可以检查每部电影的索引，或者"moives_1": ? 或者"moives_2": ? 需要注意的是，这个方法在索引值不唯一的情况下不起作用。...对多个函数进行聚合 让我们来看一眼从Chipotle restaurant chain得到的orders这个DataFrame: In [82]: orders.head(10) Out[82]: ?...它存储为一个MultiIndexed Series，也就是说它对实际数据有多个索引层级。...我们现在隐藏了索引，将Close列中的最小值高亮成红色，将Close列中的最大值高亮成浅绿色。 这里有另一个DataFrame格式化的例子： ?
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
