我们可以将此显式索引视为特定行的标签: >>> city_revenues = pd.Series( ... [4200, 8000, 6500], ......五、查询数据集 现在我们已经了解了如何根据索引访问大型数据集的子集。现在,我们继续基于数据集列中的值选择行以查询数据。例如,我们可以创建一个DataFrame仅包含2010年之后打过的比赛。...仅包含其中列中的值"year_id"大于的行2010。...78 2015 L 31 W 58 Name: game_id, dtype: int64 七、对列进行操作 接下来要说的是如何在数据分析过程的不同阶段中操作数据集的列...如可视化尼克斯整个赛季得分了多少分: ? 还可以创建其他类型的图,如条形图: ? 而关于使用matplotlib进行数据可视化的相关操作中,还有许多细节性的配置项,比如颜色、线条、图例等。
,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...仅支持数字索引,pandas的两种数据结构均支持标签索引,包括bool索引也是支持的 类比SQL的join和groupby功能,pandas可以很容易实现SQL这两个核心功能,实际上,SQL的绝大部分DQL...检测各行是否重复,返回一个行索引的bool结果,可通过keep参数设置保留第一行/最后一行/无保留,例如keep=first意味着在存在重复的多行时,首行被认为是合法的而可以保留 删除重复值,drop_duplicates...,按行检测并删除重复的记录,也可通过keep参数设置保留项。...,可通过axis参数设置是按行删除还是按列删除 替换,replace,非常强大的功能,对series或dataframe中每个元素执行按条件替换操作,还可开启正则表达式功能 2 数值计算 由于pandas
在 Pandas 中,如果未指定索引,则默认使用 RangeIndex(第一行 = 0,第二行 = 1,依此类推),类似于电子表格中的行标题/数字。...在 Pandas 中,索引可以设置为一个(或多个)唯一值,这就像在工作表中有一列用作行标识符一样。与大多数电子表格不同,这些索引值实际上可用于引用行。...(请注意,这可以在带有结构化引用的 Excel 中完成。)例如,在电子表格中,您可以将第一行引用为 A1:Z1,而在 Pandas 中,您可以使用population.loc['Chicago']。...索引值也是持久的,所以如果你对 DataFrame 中的行重新排序,特定行的标签不会改变。 5. 副本与就地操作 大多数 Pandas 操作返回 Series/DataFrame 的副本。...在 Pandas 中提取单词最简单的方法是用空格分割字符串,然后按索引引用单词。请注意,如果您需要,还有更强大的方法。
按行从多个文件中构建DataFrame 假设你的数据集分化为多个文件,但是你需要将这些数据集读到一个DataFrame中。 举例来说,我有一些关于股票的小数聚集,每个数据集为单天的CSV文件。...我们以生成器表达式用read_csv()函数来读取每个文件,并将结果传递给concat()函数,这会将单个的DataFrame按行来组合: ? 不幸的是,索引值存在重复。...为了避免这种情况,我们需要告诉concat()函数来忽略索引,使用默认的整数索引: ? 10. 按列从多个文件中构建DataFrame 上一个技巧对于数据集中每个文件包含行记录很有用。...读者注:该方法在机器学习或者深度学习中很有用,因为在模型训练前,我们往往需要将全部数据集按某个比例划分成训练集和测试集。该方法既简单又高效,值得学习和尝试。 13....如果我们只想保留第0列作为city name,我们仅需要选择那一列并保存至DataFrame: ? 17.
,但不像我们所喜欢的 Pandas 中的切片语法那样干净(或对大型数据集有效)。...作为额外维度的MultiIndex 你可能会注意到其他内容:我们可以使用带有索引和列标签的简单DataFrame,来轻松存储相同的数据。事实上,Pandas 的构建具有这种等价关系。...列的MultiIndex 在DataFrame中,行和列是完全对称的,就像行可以有多个索引层次一样,列也可以有多个层次。...在人口字典上调用它将产生一个带有state和year列的DataFrame,包含以前在索引中的信息。...随着维度数量的增加,对于大多数真实世界的数据集,密集表示可能变得非常低效。然而,对于特定场合下的应用,这些结构可能是有用的。
(如根据布尔型数组进行过滤、标量乘法、应用数学函数等)都会保留索引值的链接: import pandas as pd obj2 = pd.Series([5,2,-3,1], index=['d',...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)。...,其索引和列为原来那两个DataFrame的并集: print(df1 + df2) 如果DataFrame对象相加,没有共用的列或行标签,结果都会是空: import pandas as pd...在本例中,我们的目的是匹配DataFrame的行索引(axis='index' or axis=0)并进行广播。...计算Series中的唯一值数组,按发现的顺序返回 value_counts 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
可以认为Series是一个索引、一维数组、类似一列值。可以认为DataFrames是包含行和列的二维数组索引。好比Excel单元格按行和列位置寻址。...换句话说,DataFrame看起来很像SAS数据集(或关系表)。下表比较在SAS中发现的pandas组件。 ? 第6章,理解索引中详细地介绍DataFrame和Series索引。...SAS中数组主要用于迭代处理如变量。SAS/IML更接近的模拟NumPy数组。但SAS/IML 在这些示例的范围之外。 ? 一个Series可以有一个索引标签列表。 ?...DataFrame的.head()方法默认显示前5行。.tail()方法默认显示最后5行。行计数值可以是任意整数值,如: ? SAS使用FIRSTOBS和OBS选项按照程序来确定输入观察数。...PROC PRINT的输出在此处不显示。 下面的单元格显示的是范围按列的输出。列列表类似于PROC PRINT中的VAR。注意此语法的双方括号。这个例子展示了按列标签切片。按行切片也可以。
combine_first()方法根据DataFrame的行索引和列索引,对比两个DataFrame中相同位置的数据,优先取非空的数据进行合并。...和df2中的数据都为空值,则结果保留df1中的空值(空值有三种: np.nan、None 和 pd.NaT)。...func函数的入参是两个Series,分别来自两个DataFrame(将DataFrame按列遍历),返回结果是一个合并之后的Series,在函数中实现合并的规则。...overwrite参数默认为True,如第四部分的例子中df4的填充原理如下。 ?...当需要合并两个相似的数据集,且两个数据集里的数据各有一部分是目标数据时,很适合使用combine()方法。
优化的数据结构:Pandas提供了几种高效的数据结构,如DataFrame和Series,它们是为了优化数值计算和数据操作而设计的。这些数据结构在内存中以连续块的方式存储数据,有助于提高数据访问速度。...DataFrame的一列就是Series,Series可以转化为DataFrame,调用方法函数to_frame()即可 Series 是 pandas 中的一种数据结构,可以看作是带有标签的一维数组。...索引提供了对 Series 中数据的标签化访问方式。值(Values): 值是 Series 中存储的实际数据,可以是任何数据类型,如整数、浮点数、字符串等。...0或’index’,表示按行删除;1或’columns’,表示按列删除。inplace:是否原地替换。布尔值,默认为False。如果为True,则在原DataFrame上进行操作,返回值为None。...尽管本文仅触及了Pandas强大功能的表面,但其广阔的应用领域和深邃的技术内涵仍待我们进一步挖掘和学习。
下面显示了结果的结果索引: 可以使用.loc属性通过索引标签显式访问行。 以下代码通过索引标签检索一行: 可以使用整数位置列表选择DataFrame对象中的特定行。...以下显示Missoula列中大于82度的值: 然后可以将表达式的结果应用于数据帧(和序列)的[]运算符,这仅导致返回求值为True的表达式的行: 该技术在 pandas 术语中称为布尔选择,它将构成基于特定列中的值选择行的基础...首先是.reindex()方法的结果是新的Series,而不是就地修改。 新的Series具有带有标签的索引,如传递给函数时所指定。 将为原始Series中存在的每个标签复制数据。...如果在原始Series中找不到标签,则将NaN分配为该值。 最后,将删除Series中带有不在新索引中的标签的行。...以下代码演示了附加两个从sp500数据中提取的DataFrame对象。 第一个DataFrame由行(按位置)0,1和2组成,第二个DataFrame由行(按位置)10,11和2组成。
在 Stata 中,数据集的行基本上是无标签的,除了可以使用_n访问的隐式整数索引。 在 pandas 中,如果未指定索引,则默认也使用整数索引(第一行=0,第二行=1,依此类推)。...可以通过使用_merge变量中创建的值,仅保留来自初始数据集、合并数据集或两者交集的观测值。...在 Stata 中,数据集的行基本上是无标签的,除了可以通过 _n 访问的隐式整数索引。 在 pandas 中,如果未指定索引,则默认也使用整数索引(第一行 = 0,第二行 = 1,依此类推)。...在 Stata 中,数据集的行基本上是无标签的,除了可以使用 _n 访问的隐式整数索引。 在 pandas 中,如果没有指定索引,也会默认使用整数索引(第一行 = 0,第二行 = 1,依此类推)。...可以通过使用_merge变量中创建的值,仅保留初始数据集、合并数据集或两者的交集中的观测值。
Pandas 排序方法入门 快速提醒一下,DataFrame是一种数据结构,行和列都带有标记的轴。您可以按行或列值以及行或列索引对 DataFrame 进行排序。...行和列都有索引,它是数据在 DataFrame 中位置的数字表示。您可以使用 DataFrame 的索引位置从特定行或列中检索数据。默认情况下,索引号从零开始。您也可以手动分配自己的索引。...按升序按索引排序 您可以根据行索引对 DataFrame 进行排序.sort_index()。像在前面的示例中一样按列值排序会重新排序 DataFrame 中的行,因此索引变得杂乱无章。...您可以.set_index()在 pandas 文档中阅读有关使用的更多信息。 按索引降序排序 对于下一个示例,您将按索引按降序对 DataFrame 进行排序。...通常,这是使用 Pandas 分析数据的最常见和首选方法,因为它会创建一个新的 DataFrame 而不是修改原始数据。这允许您保留从文件中读取数据时的数据状态。
导读 学Pandas有一年多了,用Pandas做数据分析也快一年了,常常在总结梳理一些Pandas中好用的方法。...在这一过程中,如何既能保证数据处理效率而又不失优雅,Pandas中的这几个函数堪称理想的解决方案。 为展示应用这3个函数完成数据处理过程中的一些demo,这里以经典的泰坦尼克号数据集为例。...应用到DataFrame的每个Series DataFrame是pandas中的核心数据结构,其每一行和每一列都是一个Series数据类型。...②然后来一个按行方向处理的例子,例如根据性别和年龄,区分4类人群:即女孩、成年女子、男孩、成年男子,其中年龄以18岁为界值进行区分。...04 小结 apply、map和applymap常用于实现Pandas中的数据变换,通过接收一个函数实现特定的变换规则; apply功能最为强大,可应用于Series、DataFrame以及DataFrame
按行从多个文件中构建DataFrame 假设你的数据集分化为多个文件,但是你需要将这些数据集读到一个DataFrame中。 举例来说,我有一些关于股票的小数聚集,每个数据集为单天的CSV文件。...我们以生成器表达式用read_csv()函数来读取每个文件,并将结果传递给concat()函数,这会将单个的DataFrame按行来组合: pd.concat((pd.read_csv(file) for...按列从多个文件中构建DataFrame 上一个技巧对于数据集中每个文件包含行记录很有用。但是如果数据集中的每个文件包含的列信息呢?...读者注:该方法在机器学习或者深度学习中很有用,因为在模型训练前,我们往往需要将全部数据集按某个比例划分成训练集和测试集。该方法既简单又高效,值得学习和尝试。 13....Style a DataFrame 上一个技巧在你想要修改整个jupyter notebook中的显示会很有用。但是,一个更灵活和有用的方法是定义特定DataFrame中的格式化(style)。
Pandas 包含一些有用的调整,但是:对于一元操作,如取负和三角函数,这些ufunc将保留输出中的索引和列标签,对于二元操作,如加法和乘法,将对象传递给ufunc时,Pandas 将自动对齐索引。...这意味着,保留数据的上下文并组合来自不同来源的数据 - 这两个在原始的 NumPy 数组中可能容易出错的任务 - 对于 Pandas 来说基本上是万无一失的。...通用函数:索引保留 因为 Pandas 为兼容 NumPy 而设计,所以任何 NumPy ufunc都可以用于 Pandas Series和DataFrame对象。...通用函数:索引对齐 对于两个Series或DataFrame对象的二元操作,Pandas 将在执行操作的过程中对齐索引。这在处理不完整数据时非常方便,我们将在后面的一些示例中看到。...序列中的索引对齐 例如,假设我们正在组合两个不同的数据源,并且按照面积,找到美国前三的州,并且按人口找到美国前三的州: area = pd.Series({'Alaska': 1723337, 'Texas
pandas 兼具 NumPy 高性能的数组计算功能以及电子表格和关系型数据库(如SQL)灵活的数据处理功能。它提供了复杂精细的索引功能,能更加便捷地完成重塑、切片和切块、聚合以及选取数据子集等操作。...使用 NumPy 函数或类似 NumPy 的运算(如根据布尔型数组进行过滤、标量乘法、应用数学函数等)都会保留索引值的链接,代码示例: obj2*2 np.exp(obj2) 还可以将 Series...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)。...虽然 DataFrame 是以二维结构保存数据的,但你仍然可以轻松地将其表示为更高维度的数据(层次化索引的表格型结构,这是 pandas中许多高级数据处理功能的关键要素 ) 创建 DataFrame 的办法有很多...另一种常见的数据形式是嵌套字典,如果嵌套字典传给 DataFrame,pandas 就会被解释为:外层字典的键作为列,内层键则作为行索引,代码示例: #DataFrame另一种常见的数据形式是嵌套字典
5、文本中缺失值处理,缺失数据要么是没有(空字符串),要么是用某个标记值表示的,默认情况下,pandas会用一组经常出现的标记值进行识别,如NA、NULL等。查找出结果以NAN显示。...2、索引上的合并 (1)普通索引的合并 Left_index表示将左侧的行索引引用做其连接键 right_index表示将右侧的行索引引用做其连接键 上面两个用于DataFrame中的连接键位于其索引中...(2)对于pandas对象(如Series和DataFrame),可以pandas中的concat函数进行合并。...重塑数据集 1、旋转数据 (1)重塑索引、分为stack(将数据的列旋转为行)和unstack(将数据的行旋转为列)。...利用drop_duplicates方法,可以返回一个移除了重复行的DataFrame. 默认情况下,此方法是对所有的列进行重复项清理操作,也可以用来指定特定的一列或多列进行。
使用 DataFrame 的列进行索引 希望使用一个或多个 DataFrame 列作为行索引并不罕见;或者,您可能希望将行索引移入 DataFrame 的列中。...pandas 对象中包含的数据可以以多种方式组合: pandas.merge 基于一个或多个键连接 DataFrame 中的行。...在索引上合并 在某些情况下,DataFrame 中的合并键会在其索引(行标签)中找到。...由于right1的索引是唯一的,这种“一对多”合并(使用默认的how="inner"方法)可以保留与输出中的行对应的left1的索引值。...特别是,您有许多额外的考虑: 如果对象在其他轴上的索引不同,我们应该合并这些轴中的不同元素还是仅使用共同的值? 连接的数据块在结果对象中需要被识别吗? “连接轴”中包含需要保留的数据吗?
df.info():主要用于提供关于DataFrame的一般信息,如列索引、数据类型、非空值数量以及内存使用情况。它不会提供数值型数据的统计摘要,而是更多地关注于数据集的整体结构和数据类型。...五、pandas中的索引操作 pandas⽀持四种类型的多轴索引,它们是: Dataframe.[ ] 此函数称为索引运算符 Dataframe.loc[ ] : 此函数⽤于标签 Dataframe.iloc...Pandas Series.reset_index()函数的作⽤是:⽣成⼀个新的DataFrame或带有重置索引的Series。...七、apply() 函数使用方法 如果需要将函数应⽤到DataFrame中的每个数据元素,可以使⽤ apply() 函数以便将函数应⽤于给定dataframe中的每⼀⾏。...DataFrame的索引值保留在附加的DataFrame中,设置ignore_index = True可以避免这种情况。
领取专属 10元无门槛券
手把手带您无忧上云