首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

在pandas数据框中显示数据

,可以使用以下方法:

  1. head():显示数据框的前几行,默认显示前5行。可以通过传入参数指定显示的行数。示例代码如下:
代码语言:txt
复制
df.head()  # 默认显示前5行
df.head(10)  # 显示前10行
  1. tail():显示数据框的后几行,默认显示后5行。同样可以通过传入参数指定显示的行数。示例代码如下:
代码语言:txt
复制
df.tail()  # 默认显示后5行
df.tail(10)  # 显示后10行
  1. sample():随机显示数据框中的几行数据。可以通过传入参数指定显示的行数。示例代码如下:
代码语言:txt
复制
df.sample()  # 随机显示一行数据
df.sample(10)  # 随机显示10行数据
  1. iloc[]:通过索引位置显示指定行的数据。可以通过传入参数指定行的索引位置。示例代码如下:
代码语言:txt
复制
df.iloc[0]  # 显示第一行数据
df.iloc[1:5]  # 显示第2到第5行数据
  1. loc[]:通过索引标签显示指定行的数据。可以通过传入参数指定行的索引标签。示例代码如下:
代码语言:txt
复制
df.loc['A']  # 显示索引标签为'A'的行数据
df.loc['A':'C']  # 显示索引标签从'A'到'C'的行数据

以上是一些常用的方法,可以根据具体需求选择适合的方法来显示数据框中的数据。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

使用 Pandas Python 绘制数据

在有关基于 Python 的绘图库的系列文章,我们将对使用 Pandas 这个非常流行的 Python 数据操作库进行绘图进行概念性的研究。...Pandas 是 Python 的标准工具,用于对进行数据可扩展的转换,它也已成为从 CSV 和 Excel 格式导入和导出数据的流行方法。 除此之外,它还包含一个非常好的绘图 API。...这非常方便,你已将数据存储 Pandas DataFrame ,那么为什么不使用相同的库进行绘制呢? 本系列,我们将在每个库制作相同的多条形柱状图,以便我们可以比较它们的工作方式。...我们使用的数据是 1966 年至 2020 年的英国大选结果: image.png 自行绘制的数据 继续之前,请注意你可能需要调整 Python 环境来运行此代码,包括: 运行最新版本的 Python...本系列文章,我们已经看到了一些令人印象深刻的简单 API,但是 Pandas 一定能夺冠。

6.8K20

pandas合并和连接多个数据

pandas作为数据分析的利器,提供了数据读取,数据清洗,数据整形等一系列功能。...当需要对多个数据集合并处理时,我们就需要对多个数据进行连接操作,pandas,提供了以下多种实现方式 1. concat concat函数可以在行和列两个水平上灵活的合并多个数据,基本用法如下...,对于子数据没有的列,以NaN进行填充。...SQL数据,每个数据表有一个主键,称之为key, 通过比较主键的内容,将两个数据表进行连接,基本用法如下 >>> a = pd.DataFrame({'name':['Rose', 'Andy',...通过on参数,可以显示的指定作为key的标签名称,注意用on参数指定的标签名称,必须在两个数据同时存在才行,用法如下 >>> a.merge(b, on='name') name age height

1.8K20

Pandas将列表(List)转换为数据(Dataframe)

Python中将列表转换成为数据有两种情况:第一种是两个不同列表转换成一个数据,第二种是一个包含不同子列表的列表转换成为数据。...第一种:两个不同列表转换成为数据 from pandas.core.frame import DataFrame a=[1,2,3,4]#列表a b=[5,6,7,8]#列表b c={"a" : a,..."b" : b}#将列表a,b转换成字典 data=DataFrame(c)#将字典转换成为数据 print(data) 输出的结果为 a b 0 1 5 1 2 6 2 3 7 3...4 8 第二种:将包含不同子列表的列表转换为数据 from pandas.core.frame import DataFrame a=[[1,2,3,4],[5,6,7,8]]#包含两个不同的子列表...将列表(List)转换为数据(Dataframe)的文章就介绍到这了,更多相关Pandas 列表转换为数据框内容请搜索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ZaLou.Cn

14.9K10

pandas利用hdf5高效存储数据

Python操纵HDF5文件的方式主要有两种,一是利用pandas内建的一系列HDF5文件操作相关的方法来将pandas数据结构保存在HDF5文件,二是利用h5py模块来完成从Python原生数据结构向...还可以从pandas数据结构直接导出到本地h5文件: #创建新的数据 df_ = pd.DataFrame(np.random.randn(5,5)) #导出到已存在的h5文件,这里需要指定key...print(store.keys()) 图7 2.2 读入文件 pandas读入HDF5文件的方式主要有两种,一是通过上一节类似的方式创建与本地h5文件连接的IO对象,接着使用键索引或者store...第二种读入h5格式文件数据的方法是pandas的read_hdf(),其主要参数如下: ❝「path_or_buf」:传入指定h5文件的名称 「key」:要提取数据的键 ❞ 需要注意的是利用read_hdf...csv格式文件、h5格式的文件,在读取速度上的差异情况: 这里我们首先创建一个非常大的数据,由一亿行x5列浮点类型的标准正态分布随机数组成,接着分别用pandas写出HDF5和csv格式文件的方式持久化存储

2.8K30

Pandas基础:Pandas数据框架中移动列

标签:pandas,Python 有时候,我们需要在pandas数据框架内移动一列,shift()方法提供了一种方便的方法来实现。...pandas数据框架向上/向下移动列 要向下移动列,将periods设置为正数。要向上移动列,将其设置为负数。 注意,只有数据发生了移位,而索引保持不变。...注意下面的例子,索引随着所有数据向下(向前)移动了2天。目前,如果想使用freq参数,索引必须是datetime类型的数据,否则pandas将引发NotImplementedError。...在下面的示例,将所有数据向右移动了1列。因此,第一列变为空,由np.nan自动填充。 如果不需要NaN值,还可以使用fill_value参数填充空行/空列。...Pandas.Series shift()方法 如前所述,Series类还有一个类似的shift()方法,其工作方式完全相同,只是它对一个系列(即单个列)而不是整个数据框架进行操作。

3.1K20

pandas利用hdf5高效存储数据

Python操纵HDF5文件的方式主要有两种,一是利用pandas内建的一系列HDF5文件操作相关的方法来将pandas数据结构保存在HDF5文件,二是利用h5py模块来完成从Python原生数据结构向...h5文件: #创建新的数据 df_ = pd.DataFrame(np.random.randn(5,5)) #导出到已存在的h5文件,这里需要指定key df_.to_hdf(path_or_buf...图7 2.2 读入文件 pandas读入HDF5文件的方式主要有两种,一是通过上一节类似的方式创建与本地h5文件连接的IO对象,接着使用键索引或者store对象的get()方法传入要提取数据的key...图12 csv比HDF5多占用将近一倍的空间,这还是我们没有开启HDF5压缩的情况下,接下来我们关闭所有IO连接,运行下面的代码来比较对上述两个文件数据还原到数据框上两者用时差异: import pandas...图13 HDF5用时仅为csv的1/13,因此涉及到数据存储特别是规模较大的数据时,HDF5是你不错的选择。

5.2K20

Pandas数据分类

--MORE--> 背景:统计重复值 一个Series数据中经常会出现重复值,我们需要提取这些不同的值并且分别计算它们的频数: import numpy as np import pandas as...dtype: int64 # dim使用维度表 dim = pd.Series(["语文","数学"]) dim 0 语文 1 数学 dtype: object 如何将0-语文,1-数学df...pandas.core.series.Series Categorical类型创建 生成一个Categorical实例对象 通过例子来讲解Categorical类型的使用 subjects = ["语文..., 'height'] Categories (3, object): ['height' < 'score' < 'subject'] 上面的输出结果height<socre,表明height的顺序score...,也就是one-hot编码(独热码);产生的DataFrame不同的类别都是它的一列,看下面的例子: data4 = pd.Series(["col1","col2","col3","col4"] \

8.5K20

PandasPython可视化机器学习数据

在这篇文章,您将会发现如何在Python中使用Pandas来可视化您的机器学习数据。 让我们开始吧。...这组皮马印第安人数据集(Pima Indians dataset)将用于演示每个部分。该数据集记录了皮马印第安人的医疗记录,这些记录显示了每位患者是否五年内患糖尿病。...单变量图 本节,我们可以独立的看待每一个特征。 直方图 想要快速的得到每个特征的分布情况,那就去绘制直方图。 直方图将数据分为很多列并为你提供每一列的数值。...短线体现了数据的分布,短线以外的点显示了候选异常值(这些值通常比分布中间50%的值要大1.5倍)。...[Correlation-Matrix-Plot.png] 散点图矩阵 散点图将两个变量之间的关系显示为二维平面上的点,每条坐标轴代表一个变量特征。您可以为数据的每对变量特征创建一个散点图。

6.1K50

Python利用Pandas库处理大数据

使用不同分块大小来读取再调用 pandas.concat 连接DataFrame,chunkSize设置1000万条左右速度优化比较明显 loop = True chunkSize = 100000...由于源数据通常包含一些空值甚至空列,会影响数据分析的时间和效率,预览了数据摘要后,需要对这些无效数据进行处理。...首先调用 DataFrame.isnull() 方法查看数据哪些为空值,与它相反的方法是 DataFrame.notnull() ,Pandas会将表中所有数据进行null计算,以True/False...接下来是处理剩余行的空值,经过测试, DataFrame.replace() 中使用空字符串,要比默认的空值NaN节省一些空间;但对整个CSV文件来说,空列只是多存了一个“,”,所以移除的9800万...进一步的数据清洗还是移除无用数据和合并上。

2.8K90

PandasPython可视化机器学习数据

您必须了解您的数据才能从机器学习算法获得最佳结果。 更了解您的数据的最快方法是使用数据可视化。 在这篇文章,您将会发现如何使用PandasPython可视化您的机器学习数据。...单变量图 本节,我们将看看可以用来独立理解每个属性的技巧。 直方图 获取每个属性分布的一个快速方法是查看直方图。 直方图将数据分组为数据箱,并为您提供每个箱中观察数量的计数。...这是有用的,因为如果有高度相关的输入变量您的数据,一些机器学习算法如线性和逻辑回归性能可能较差。...散点图矩阵 散点图将两个变量之间的关系显示为二维点,每个属性的一个轴。您可以为数据的每对属性创建一个散点图。一起绘制所有这些散点图被称为散点图矩阵。...由于每个变量的散点图都没有绘制点,所以对角线显示了每个属性的直方图。 概要 在这篇文章,您发现了许多方法,可以使用Pandas更好地理解Python的机器学习数据

2.8K60

pandas中使用数据透视表

经常做报表的小伙伴对数据透视表应该不陌生,excel利用透视表可以快速地进行分类汇总,自由组合字段聚合计算,而这些只需要拖拉拽就能实现。...透视表是一种汇总了更广泛表数据的统计信息表。 典型的数据格式是扁平的,只包含行和列,不方便总结信息: ? 而数据透视表可以快速抽取有用的信息: ? pandas也有透视表?...pandas作为编程领域最强大的数据分析工具之一,自然也有透视表的功能。 pandas,透视表操作由pivot_table()函数实现,不要小看只是一个函数,但却可以玩转数据表,解决大麻烦。...参数aggfunc对应excel透视表的值汇总方式,但比excel的聚合方式更丰富: ? 如何使用pivot_table? 下面拿数据练一练,示例数据表如下: ?...总结 本文介绍了pandas pivot_table函数的使用,其透视表功能基本和excel类似,但pandas的聚合方式更加灵活和多元,处理大数据也更快速,大家有兴趣可探索更高级的用法。

2.7K40
领券