更改列名 让我们来看一下刚才我们创建的示例DataFrame: ? 我更喜欢在选取pandas列的时候使用点（.），但是这对那么列名中含有空格的列不会生效。让我们来修复这个问题。...你可以对前两列使用astype()函数： ? 但是，如果你对第三列也使用这个函数，将会引起错误，这是因为这一列包含了破折号（用来表示0）但是pandas并不知道如何处理它。...该Series的nlargest()函数能够轻松地计算出Series中前3个最大值： ? 事实上我们在该Series中需要的是索引： ?...你将会注意到有些值是缺失的。 为了找出每一列中有多少值是缺失的，你可以使用isna()函数，然后再使用sum(): ?...比这个函数的输入要小： ? 解决的办法是使用transform()函数，它会执行相同的操作但是返回与输入数据相同的形状： ? 我们将这个结果存储至DataFrame中新的一列： ?
包含值的列将转换为两列：一列用于变量（值列的名称），另一列用于值（变量中包含的数字）。 ? 结果是ID列的值（a，b，c）和值列（B，C）及其对应值的每种组合，以列表格式组织。...可以按照与堆叠相同的方式执行堆叠，但是要使用level参数： df.unstack（level = -1）。 Merge 合并两个DataFrame是在共享的“键”之间按列（水平）组合它们。...默认情况下，合并功能执行内部联接：如果每个DataFrame的键名均未列在另一个键中，则该键不包含在合并的DataFrame中。...另一方面，如果一个键在同一DataFrame中列出两次，则在合并表中将列出同一键的每个值组合。...因此，它接受要连接的DataFrame列表。 如果一个DataFrame的另一列未包含，默认情况下将包含该列，缺失值列为NaN。
神奇的是，pandas已经将第一列作为索引了： ? 需要注意的是，如果你想要你的工作在未来可复制，那么read_clipboard()并不值得推荐。...该Series的nlargest()函数能够轻松地计算出Series中前3个最大值： ? 事实上我们在该Series中需要的是索引： ?...你将会注意到有些值是缺失的。 为了找出每一列中有多少值是缺失的，你可以使用isna()函数，然后再使用sum(): ?...类似地，你可以通过mean()和isna()函数找出每一列中缺失值的百分比。 ? 如果你想要舍弃那些包含了缺失值的列，你可以使用dropna()函数： ?...一个字符串划分成多列 我们先创建另一个新的示例DataFrame: ? 如果我们需要将“name”这一列划分为三个独立的列，用来表示first, middle, last name呢？
多种类型过滤DataFrame 让我们先看一眼movies这个DataFrame： In [60]: movies.head() Out[60]: 其中有一列是genre（类型）: 比如我们想要对该...为了找出每一列中有多少值是缺失的，你可以使用isna()函数，然后再使用sum(): isna()会产生一个由True和False组成的DataFrame，sum()会将所有的True值转换为1，False...一个字符串划分成多列 我们先创建另一个新的示例DataFrame: 如果我们需要将“name”这一列划分为三个独立的列，用来表示first, middle, last name呢？...换句话说，sum()函数的输出： 比这个函数的输入要小： 解决的办法是使用transform()函数，它会执行相同的操作但是返回与输入数据相同的形状： 我们将这个结果存储至DataFrame中新的一列...： MultiIndexed Series重塑 Titanic数据集的Survived列由1和0组成，因此你可以对这一列计算总的存活率： 如果你想对某个类别，比如“Sex”，计算存活率，你可以使用groupby
那么，如果我们要检查数据或与数据交互怎么办？打开数据集会生成一个标准的DataFrame并对其进行快速检查： 注意，单元执行时间太短了。...无论如何，让我们从极端异常值或错误数据输入值开始清除此数据集。一个很好的方法是使用describe方法对数据进行高级概述，其中显示了样本数、缺失值数和每一列的数据类型。...使用describe方法获得 DataFrame 的高级概览，注意这个 DataFrame 包含 18 列数据，不过截图只展示了前 7 列。...该describe方法很好地体现了Vaex的功能和效率：所有这些统计数据都是在我的MacBook Pro（2018款15英寸，2.6GHz Intel Core i7，32GB RAM）上用不到3分钟的时间计算出来的...在筛选Vaex DataFrame时不会复制数据，而是仅创建对原始对象的引用，在该引用上应用二进制掩码。用掩码选择要显示的行，并将其用于将来的计算。
那么，如果我们要检查数据或与数据交互怎么办？打开数据集会生成一个标准的DataFrame并对其进行快速检查： ? 注意，单元执行时间太短了。...无论如何，让我们从极端异常值或错误数据输入值开始清除此数据集。一个很好的方法是使用describe方法对数据进行高级概述，其中显示了样本数、缺失值数和每一列的数据类型。...使用describe方法获得 DataFrame 的高级概览，注意这个 DataFrame 包含 18 列数据，不过截图只展示了前 7 列。...该describe方法很好地体现了Vaex的功能和效率：所有这些统计数据都是在我的MacBook Pro（2018款15英寸，2.6GHz Intel Core i7，32GB RAM）上用不到3分钟的时间计算出来的...在筛选Vaex DataFrame时不会复制数据，而是仅创建对原始对象的引用，在该引用上应用二进制掩码。用掩码选择要显示的行，并将其用于将来的计算。
01 assign 在数据分析处理中，赋值产生新的列是非常高频的应用场景，简单的可能是赋值常数列、复杂的可能是由一列产生另外一个一列，对于这种需求pandas有多种方法实现，但个人唯独喜欢assign，...那么，eval作为pandas.dataframe数据结构的一个接口，执行功能应该也与执行计算有关。...另一方面，pandas中实际上是内置了大量的SQL类语法（包括下面要介绍的query也是），而eval的功能正是执行类似SQL语法中的计算，对已知列执行一定的计算时可用eval完成。...当然，之所以说query中支持类似SQL的语法，是因为其也有两个SQL中标志性的设计，其一是@引用自定义外部变量，其二是对于特殊的列名（例如包含空格的字符）可以用反引号``加以修饰引用。...例如，下述例子中C C列中有个空格，直接用于字符串表达式会存在报错，此时可使用反引号加以修饰，同时查询条件中应用了@修饰符引用外部变量。当然，与eval中类似，这里当然也可以用f字符串修饰引用。
3更改列名 我们来看一下刚才我们创建的示例DataFrame: df 我更喜欢在选取pandas列的时候使用点（.），但是这对那么列名中含有空格的列不会生效。让我们来修复这个问题。...float64 col_three object dtype: object 但是，如果你对第三列也使用这个函数，将会引起错误，这是因为这一列包含了破折号（用来表示0）但是pandas...如果你对你的DataFrame有操作方面的问题，或者你不能将它读进内存，那么在读取文件的过程中有两个步骤可以使用来减小DataFrame的空间大小。...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？...为了找出每一列中有多少值是缺失的，你可以使用isna()函数，然后再使用sum(): ufo.isna().sum() City 25 Colors Reported
而Scipy（会在接下来的帖子中提及）当然是另一个主要的也十分出色的科学计算库，但是我认为前三者才是真正的Python科学计算的支柱。...所以，如果我们取出了某一列，我们获得的自然是一个series。 还记得我所说的命名列标签的注意事项吗？不使用空格和横线等可以让我们以访问类属性相同的方法来访问列，即使用点运算符。 ?...如果你想要多个索引，你可以简单地在列表中增加另一个列名。 ? 在上面这个例子中，我们把我们的索引值全部设置为了字符串。这意味着我们不可以使用iloc索引这些列了。这种情况该如何？我们使用loc。...这里，loc和iloc一样会返回你所索引的行数据的一个series。唯一的不同是此时你使用的是字符串标签进行引用，而不是数字标签。 ix是另一个常用的引用一行的方法。...这便是使用apply的方法，即如何对一列应用一个函数。如果你想对整个数据集应用某个函数，你可以使用dataset.applymap()。
如果该列已经在索引中，你可以使用join（这只是merge的一个别名，left_index或right_index设置为True，默认值不同）。...如果要merge的列不在索引中，而且你可以丢弃在两个表的索引中的内容，那么就使用merge，例如： merge()默认执行inner join Merge对行顺序的保持不如 Postgres 那样严格...现在，如果要合并的列已经在右边DataFrame的索引中，请使用join（或者用right_index=True进行合并，这完全是同样的事情）： join()在默认情况下做左外连接 这一次，Pandas...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。...如果这不可取，你可以使用reset_index()或者指定as_index=False。 通常情况下，DataFrame中的列比你想在结果中看到的要多。
在Excel中，我们可以看到行、列和单元格，可以使用“=”号或在公式中引用这些值。...在Python中，数据存储在计算机内存中（即，用户不能直接看到），幸运的是pandas库提供了获取值、行和列的简单方法。 先准备一个数据框架，这样我们就有一些要处理的东西了。...每种方法都有其优点和缺点，因此应根据具体情况使用不同的方法。 点符号 可以键入“df.国家”以获得“国家”列，这是一种快速而简单的获取列的方法。但是，如果列名包含空格，那么这种方法行不通。...要获取前三行，可以执行以下操作： 图8 使用pandas获取单元格值 要获取单个单元格值，我们需要使用行和列的交集。...记住这种表示法的一个更简单的方法是：df[列名]提供一列，然后添加另一个[行索引]将提供该列中的特定项。 假设我们想获取第2行Mary Jane所在的城市。
在Excel成为我的“初恋”十年之后，是时候找一个更好的“另一半”了，在这个技术日新月异的时代，更好更薄更轻更快处理数据的选择就在身边！...尽管read_excel方法包含数百万个参数，但我们只讨论那些在日常操作中最常见的那些。 我们使用Iris样本数据集，出于教育目的，该数据集可在线免费使用。...使用index_col参数可以操作数据框中的索引列，如果将值0设置为none，它将使用第一列作为index。 ?...2、查看多列 ? 3、查看特定行 这里使用的方法是loc函数，其中我们可以指定以冒号分隔的起始行和结束行。注意，索引从0开始而不是1。 ? 4、同时分割行和列 ? 5、在某一列中筛选 ?...11、在Excel中复制自定义的筛选器 ? 12、合并两个过滤器的计算结果 ? 13、包含Excel中的功能 ? 14、从DataFrame获取特定的值 ?
本文介绍基于Python语言，基于Excel表格文件内某一列的数据，计算这一列数据在每一个指定数量的行的范围内（例如每一个4行的范围内）的区间最大值的方法。 ...已知我们现有一个.csv格式的Excel表格文件，其中有一列数据，我们希望对其加以区间最大值的计算——即从这一列的数据部分（也就是不包括列名的部分）开始，第1行到第4行之间的最大值、第5行到第8行的最大值...、第9行到第12行的最大值等等，加以分别计算每4行中的最大值；此外，如果这一列数据的个数不能被4整除，那么到最后还剩余几个，那就对这几个加以最大值的求取即可。 ...8个数据的区间最大值，所有函数名称是eight，大家理解即可），接受两个参数，分别为输入文件路径excel_file，以及要计算区间最大值对应的那一列的列名column_name。 ...变量中，该结果是一个包含了每个分组最大值的列表。
要想执行数学计算，要先把这些列的数据类型转换为数值型，下面的代码用 astype() 方法把前两列的数据类型转化为 float。 ?...用多个文件建立 DataFrame ~ 按列 上个技巧按行合并数据集，但是如果多个文件包含不同的列，该怎么办？ 本例将 drinks 数据集分为了两个 CSV 文件，每个文件都包含 3 列。 ?...用一个 DataFrame 合并聚合的输出结果 本例用的还是 orders。 ? 如果想新增一列，为每行列出订单的总价，要怎么操作？上面介绍过用 sum() 计算总价。 ?...重塑多重索引 Series 泰坦尼克数据集里有一列标注了幸存（Survived）状态，值用 0、1 代表。计算该列的平均值可以计算整体幸存率。 ?...年龄列有 1 位小数，票价列有 4 位小数，如何将这两列显示的小数位数标准化？ 用以下代码让这两列只显示 2 位小数。 ? 第一个参数是要设置的选项名称，第二个参数是 Python 的字符串格式。
处理空值有两种选择: 去掉带有空值的行或列 用非空值替换空值，这种技术称为imputation 让我们计算数据集的每一列的空值总数。...这显然是一种浪费，因为在那些被删除的行的其他列中有非常好的数据。...可能会有这样的情况，删除每一行的空值会从数据集中删除太大的数据块，所以我们可以用另一个值来代替这个空值，通常是该列的平均值或中值。 让我们看看在revenue_millions列中输入缺失的值。...首先，我们将该列提取到它自己的变量: revenue = movies_df['revenue_millions'] 这里使用方括号是我们在DataFrame中选择列的一般方法。...如果您还记得我们从零开始创建DataFrames时，dict的键最后是列名。现在，当我们选择DataFrame的列时，我们使用方括号，就像访问Python字典一样。
要沿其连接的轴。 join: {'inner', 'outer'}, 默认为 'outer'。如何处理其他轴上的索引。外部用于联合，内部用于交集。...如果为 True，则不要使用串联轴上的索引值。结果轴将被标记为 0, …, n - 1。如果您在连接轴没有有意义的索引信息的情况下连接对象，这将非常有用。请注意，其他轴上的索引值在连接中仍然有效。...使用传递的键作为最外层构建分层索引。如果通过了多个级别，则应包含元组。 levels: 序列列表，默认无。用于构建 MultiIndex 的特定级别（唯一值）。否则，它们将从密钥中推断出来。...或命名的 Series 对象;right：另一个 DataFrame 或命名的 Series 对象; on: 要加入的列或索引级别名称; left_on：左侧 DataFrame 或 Series 的列或索引级别用作键...可以是列名称、索引级别名称或长度等于 DataFrame 或 Series 长度的数组 left_index：如果True，则使用左侧 DataFrame 或 Series 中的索引（行标签）作为其连接键
以下面这个excel数据表为例，全部选中，按ctrl+c复制： 然后在python中执行pd.read_clipboard()，就能得到一模一样的dataframe数据表： pd.read_clipboard...如果说我只要需要数值列，也就是数据类型为int、float的列，可以通过select_dtypes方法实现： df.select_dtypes(include='number').head() 选择除数据类型为...，并且给出了非缺失值的数量，你可以计算出该列有多少缺失值。...删除包含缺失值的行： df.dropna(axis = 0) 删除包含缺失值的列： df.dropna(axis = 1) 如果一列里缺失值超过10%，则删除该列： df.dropna(thresh...从多个文件中构建一个DataFrame 有时候数据集可能分布在多个excel或者csv文件中，但需要把它读取到一个DataFrame中，这样的需求该如何实现？
由于许多潜在的 Pandas 用户对 Excel 电子表格有一定的了解，因此本页旨在提供一些案例，说明如何使用 Pandas 执行各Excel电子表格的各种操作。...Series 序列是表示 DataFrame 的一列的数据结构。使用序列类似于引用电子表格的列。 4. Index 每个 DataFrame 和 Series 都有一个索引，它们是数据行上的标签。...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。...pandas 通过在 DataFrame 中指定单个系列来提供矢量化操作。可以以相同的方式分配新列。DataFrame.drop() 方法从 DataFrame 中删除一列。...列的选择 在Excel电子表格中，您可以通过以下方式选择所需的列： 隐藏列； 删除列； 引用从一个工作表到另一个工作表的范围； 由于Excel电子表格列通常在标题行中命名，因此重命名列只需更改第一个单元格中的文本即可
pandas 会自动为我们检测数据类型，发现其中有 83 列数据是数值，78 列是 object。object 是指有字符串或包含混合数据类型的情况。...当我们将一列转换成 category dtype 时，pandas 就使用最节省空间的 int 子类型来表示该列中的所有不同值。...因为这一列不仅要存储所有的原始字符串值，还要额外存储它们的整型值代码。...我们还可以执行另一项优化——如果你记得前面给出的数据类型表，你知道还有一个 datetime 类型。这个数据集的第一列就可以使用这个类型。...首先，我们可将每一列的最终类型存储在一个词典中，其中键值表示列名称，首先移除日期列，因为日期列需要不同的处理方式。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
