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。...读取外部数据 Excel 和 pandas 都可以从各种来源以各种格式导入数据。 CSV 让我们从 Pandas 测试中加载并显示提示数据集，这是一个 CSV 文件。...DataFrame.drop() 方法从 DataFrame 中删除一列。...按值排序 Excel电子表格中的排序，是通过排序对话框完成的。 pandas 有一个 DataFrame.sort_values() 方法，它需要一个列列表来排序。...按位置提取子串 电子表格有一个 MID 公式，用于从给定位置提取子字符串。获取第一个字符： =MID(A2,1,1) 使用 Pandas，您可以使用 [] 表示法按位置位置从字符串中提取子字符串。
5.查看唯一值 Excel中查看唯一值的方法是使用“条件格式”对唯一值进行颜色 标记。 ? Python中使用unique函数查看唯一值。...Python中需要使用ort_values函数和sort_index函数完成排序 #按特定列的值排序 df_inner.sort_values(by=['age']) ?...Sort_index函数用来将数据表按索引列的值进行排序。 #按索引列排序 df_inner.sort_index() ?...2.按位置提取(iloc) 使用iloc函数按位置对数据表中的数据进行提取，这里冒号前后 的数字不再是索引的标签名称，而是数据所在的位置，从0开始。...4.按条件提取（区域和条件值） 使用loc和isin两个函数配合使用，按指定条件对数据进行提取 #判断city列的值是否为beijing df_inner['city'].isin(['beijing'
1import numpy as np 2import pandas as pd 导入数据表 下面分别是从 excel 和 csv 格式文件导入数据并创建数据表的方法。...Python 中使用 unique 函数查看唯一值。 查看唯一值 Unique 是查看唯一值的函数，只能对数据表中的特定列进行检查。下面是代码，返回的结果是该列中的唯一值。...1#按特定列的值排序 2df_inner.sort_values(by=['age']) sort_values Sort_index 函数用来将数据表按索引列的值进行排序。 ...1#对 category 字段的值依次进行分列，并创建数据表，索引值为 df_inner 的索引列，列名称为 category 和 size 2pd.DataFrame((x.split('-') for...下面代码中行的位置按索引日期设置，列按位置设置。
pd.read_clipboard() 获取剪贴板的内容并将其传递给read_table（） pd.DataFrame(dict) 从字典、列名称键、数据列表的值导入 输出数据 df.to_csv(...) 所有列的唯一值和计数 选择 df[col] 返回一维数组col的列 df[[col1, col2]] 作为新的数据框返回列 s.iloc[0] 按位置选择 s.loc['index_one'] 按索引选择...按升序对值排序 df.sort_values(col2,ascending=False) 将col2按降序对值排序 df.sort_values([col1,ascending=[True,False]...) 将col1按升序排序，然后按降序排序col2 df.groupby(col) 从一列返回一组对象的值 df.groupby([col1,col2]) 从多列返回一组对象的值 df.groupby(col1...=max) 创建一个数据透视表，按col1分组并计算col2和col3的平均值 df.groupby(col1).agg(np.mean) 查找每个唯一col1组的所有列的平均值 data.apply(
# 检查数据中是否含有任何缺失值 df.isnull().values.any() # 查看每列数据缺失值情况 df.isnull().sum() # 提取某列含有空值的行 df[df['日期']...results = df['grammer'].str.contains("Python") # 提取列名 df.columns # 查看某列唯一值（种类） df['education'].nunique...数据分析函数 df #任何pandas DataFrame对象 s #任何pandas series对象 从各种不同的来源和格式导入数据 pd.read_csv(filename) # 从CSV...) # 所有列的唯一值和计数 数据选取 使用这些命令选择数据的特定子集。...=False) # 按col2 降序对值进行 排序 df.sort_values([col1,col2],ascending=[True,False]) #按 col1 升序排序，然后 col2
： df.dtypes 4、某一列格式： df['B'].dtype 5、空值： df.isnull() 6、查看某一列空值： df['B'].isnull() 7、查看某一列的唯一值： df['B']...) 3、按照特定列的值排序： df_inner.sort_values(by=['age']) 4、按照索引列排序： df_inner.sort_index() 5、如果prince列的值>3000，group...主要用到的三个函数：loc,iloc和ix，loc函数按标签值进行提取，iloc按位置进行提取，ix可以同时按标签和位置进行提取。...1、按索引提取单行的数值 df_inner.loc[3] 2、按索引提取区域行数值 df_inner.iloc[0:5] 3、重设索引 df_inner.reset_index() 4、设置日期为索引...7、适应iloc按位置单独提起数据 df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行，4、5列 8、使用ix按索引标签和位置混合提取数据 df_inner.ix[:'2013
# 检查数据中是否含有任何缺失值 df.isnull().values.any() # 查看每列数据缺失值情况 df.isnull().sum() # 提取某列含有空值的行 df[df['日期']...results = df['grammer'].str.contains("Python") # 提取列名 df.columns # 查看某列唯一值（种类） df['education'].nunique...数据分析函数 df #任何pandas DataFrame对象 s #任何pandas series对象 从各种不同的来源和格式导入数据 pd.read_csv(filename) # 从CSV文件...) # 所有列的唯一值和计数 数据选取 使用这些命令选择数据的特定子集。...) # 按col2 降序对值进行 排序 df.sort_values([col1,col2],ascending=[True,False]) #按 col1 升序排序，然后 col2 按降序排序
[‘b’].unique()查看某一列的唯一值df.values查看数据表的值df.columns查看列名df.head()查看默认的前 10 行数据df.tail()查看默认的后 10 行数据 数据表清洗...设置索引列 df.set_index('id') 按照特定列的值排序 df.sort_values(by=['age']) 按照索引列排序 df.sort_index() 如果 pr 列的值大于 3000...loc函数按标签值进行提取iloc按位置进行提取ix可以同时按标签和位置进行提取 具体的使用见下： df.loc[3]按索引提取单行的数值df.iloc[0:5]按索引提取区域行数据值df.reset_index...()重设索引df=df.set_index(‘date’)设置 date 为索引df[:‘2013’]提取 2013 之前的所有数据df.iloc[:3,:2]从 0 位置开始，前三行，前两列，这里的数据不同去是索引的标签名称...，然后将符合条件的数据提取出来pd.DataFrame(category.str[:3])提取前三个字符，并生成数据表 数据筛选 使用与、或、非三个条件配合大于、小于、等于对数据进行筛选，并进行计数和求和
) 11.将DataFrame保存为EXCEL df.to_excel('test.xlsx') 12.查看数据行列数 df.shape 13.提取popularity列值大于3小于7的行 df[...().sum() 54.提取日期列含有空值的行 data[data['日期'].isnull()] 55.输出每列缺失值具体行数 for columname in data.columns:...__version__) 82.从NumPy数组创建DataFrame #备注 使用numpy生成20个0-100随机数 tem = np.random.randint(1,100,20) df1 =...pd.DataFrame(tem) df1 83.从NumPy数组创建DataFrame #备注 使用numpy生成20个0-100固定步长的数 tem = np.arange(0,100,5) df2...= pd.DataFrame(tem) df2 84.从NumPy数组创建DataFrame #备注 使用numpy生成20个指定分布(如标准正态分布)的数 tem = np.random.normal
数据操作 在数据操作方面，Pandas提供了丰富的功能，包括数据选择和索引、数据切片和过滤、数据缺失值处理、数据排序和排名等。...(data) # 检查缺失值 print(df.isnull()) # 填充缺失值 df_filled = df.fillna(0) print(df_filled) 数据排序和排名（案例9：排序和排名数据...'Country': ['USA', 'Canada', 'UK']} df = pd.DataFrame(data) # 按某一列排序 df_sorted = df.sort_values('Age...) 使用pd.to_datetime函数将日期字符串转换为日期对象，并将其赋值给新列OrderDate。...然后，使用dt.month提取出日期对象的月份信息，将其赋值给新列Month。
Python解法 df.isnull().sum() 54 缺失值处理 题目：提取日期列含有空值的行 难度：⭐⭐ 期望结果 ?...(1,100,20) df1 = pd.DataFrame(tem) 83 数据创建 题目：从NumPy数组创建DataFrame 难度：⭐ 备注 使用numpy生成20个0-100固定步长的数 Python...解法 tem = np.arange(0,100,5) df2 = pd.DataFrame(tem) 84 数据创建 题目：从NumPy数组创建DataFrame 难度：⭐ 备注 使用numpy生成20...Python解法 df.columns = ['col1','col2','col3'] 89 数据提取 题目：提取第一列中不在第二列出现的数字 难度：⭐⭐⭐ Python解法 df['col1'][~...[df['col1'] > 50] = '高' 100 数据计算 题目：计算第一列与第二列之间的欧式距离 难度：⭐⭐⭐ 备注 不可以使用自定义函数 Python解法 np.linalg.norm(df[
本文使用的数据来源于网易财经，具体下载方法可以参考：Pandas知识点-DataFrame数据结构介绍 本文的代码在Jupyter Notebook中编写，Jupyter Notebook的安装可以参考...：Jupyter Notebook的安装和使用 一、数据读取 数据文件是600519.csv，将此文件放到代码同级目录下，从文件中读取出数据。...为了方便后面进行排序操作，只读取了数据中的前十行，并删除了一些列，设置“日期”和“收盘价”为索引。 ? 读取的原始数据如上图，本文基于这些数据来进行排序操作。 二、DataFrame排序操作 1....如果要按多重索引内的多个行索引排序，可以给level传入一个列表，这样会先按列表中的第一个行索引排序，当第一个行索引有相等的值时，再按第二个行索引进行排序，以此类推。...inplace参数用于设置是否对原数据修改，对原数据修改时没有返回值，不能链式调用。kind参数用于设置使用的排序算法，在按多重索引排序和按多个列排序时无效。
答案 data.isnull().sum() 54 缺失值处理 题目：提取日期列含有空值的行 难度：⭐⭐ 期望结果 ?...__version__) 82 数据创建 题目：从NumPy数组创建DataFrame 难度：⭐ 备注 使用numpy生成20个0-100随机数 答案 tem = np.random.randint(...1,100,20) df1 = pd.DataFrame(tem) 83 数据创建 题目：从NumPy数组创建DataFrame 难度：⭐ 备注 使用numpy生成20个0-100固定步长的数 答案 tem...= np.arange(0,100,5) df2 = pd.DataFrame(tem) 84 数据创建 题目：从NumPy数组创建DataFrame 难度：⭐ 备注 使用numpy生成20个指定分布...df.columns = ['col1','col2','col3'] 89 数据提取 题目：提取第一列中不在第二列出现的数字 难度：⭐⭐⭐ 答案 df['col1'][~df['col1'].isin
/ 01 / 使用Pandas导入数据并读取文件 要使用pandas导入数据和读取文件，我们可以使用库提供的read_*函数。...() / 03 / 使用Pandas进行数据选择 Pandas提供了各种数据选择方法，允许你从DataFrame或Series中提取特定数据。...') # 按多列对DataFrame进行排序 df_sorted = df.sort_values(['column_name1', 'column_name2'], ascending=[True,...False]) # 按单列对DataFrame进行分组并计算另一列的平均值 grouped_data = df.groupby('column_name')['other_column'].mean...() # 按多列对DataFrame进行分组并计算另一列的总和 grouped_data = df.groupby(['column_name1', 'column_name2'])['other_column
目录 查看 pandas 及其支持项的版本 创建 DataFrame 重命名列 反转行序 反转列序 按数据类型选择列 把字符串转换为数值 优化 DataFrame 大小 用多个文件建立 DataFrame...~ 按行 用多个文件建立 DataFrame ~ 按列 从剪贴板创建 DataFrame 把 DataFrame 分割为两个随机子集 根据多个类别筛选 DataFrame 根据最大的类别筛选 DataFrame...注意：如果索引值有重复、不唯一，这种方式会失效。 13. 根据多个类别筛选 DataFrame 预览 movies。 ? 查看 genre（电影类型）列。 ?...要把第二列转为 DataFrame，在第二列上使用 apply() 方法，并把结果传递给 Series 构建器。 ?...创建样式字符字典，指定每列使用的格式。 ? 把这个字典传递给 DataFrame 的 style.format() 方法。 ? 注意：日期是月-日-年的格式，闭市价有美元符，交易量有千分号。
pandas-cheat-sheet.pdf 关键缩写和包导入 在这个速查手册中，我们使用如下缩写： df：任意的Pandas DataFrame对象 同时我们需要做如下的引入： import pandas...pd.read_html(url)：解析URL、字符串或者HTML文件，抽取其中的tables表格 pd.read_clipboard()：从你的粘贴板获取内容，并传给read_table() pd.DataFrame...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...()：检查DataFrame对象中的空值，并返回一个Boolean数组 pd.notnull()：检查DataFrame对象中的非空值，并返回一个Boolean数组 df.dropna()：删除所有包含空值的行...=col1, values=[col2,col3], aggfunc=max)：创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表 df.groupby(col1).agg(np.mean
9 .drop() 删除Series和DataFrame指定行或列索引。 10 .loc[行标签，列标签] 通过标签查询指定的数据，第一个值为行标签，第二值为列标签。...举例：按索引提取单行的数值 df_inner.loc[3] 四、DataFrame选取和重新组合数据的方法 序号 方法 说明 1 df[val] 从DataFrame选取单列或一组列；在特殊情况下比较便利...通过行和列标签选取单一值 举例：使用iloc按位置区域提取数据 df_inner.iloc[:3,:2] #冒号前后的数字不再是索引的标签名称，而是数据所在的位置，从0开始，前三行，前两列。...=True) 只能根据0轴的值排序。...) 返回一个Series中的唯一值组成的数组。
及DataFrame的使用方式 三、数据排序与查询 1、排序 例1：按语文分数排序降序，数学升序，英语降序 例2：按索引进行排序 2、查询 单条件查询 多条件查询 使用数据区间范围进行查询...的使用方式 import pandas as pd path = 'E:\python\测试\\数据查询.xlsx' data = pd.DataFrame(pd.read_excel(path,sheet_name...) # 查找data中出现的空值 data.unique() # 查看唯一值 data.columns...# 取列名为'x'的列，格式为Dataframe c=data[['w','z']] # 取多列时需要用Dataframe的格式 data.loc['A']...使用数据区间范围进行查询 import pandas as pd path = 'c:/pandas/筛选.xlsx' data = pd.read_excel(path,index_col='出生日期
数据输入/输出 从值构建 DataFrame 可以通过在input语句后放置数据并指定列名来构建 Stata 数据集。...在 Stata 中，通过sort来实现排序 sort sex total_bill pandas 有一个DataFrame.sort_values()方法，可以按列排序。...数据输入/输出 从数值构建 DataFrame 可以通过在 input 语句后放置数据并指定列名来从指定值构建 Stata 数据集。...tips.to_stata("tips2.dta") 从值构建 DataFrame 可以通过在input语句后放置数据并指定列名来从指定值构建 Stata 数据集。...在 Stata 中，通过 sort 来实现排序 sort sex total_bill pandas 有一个 DataFrame.sort_values() 方法，可以按列排序。
精选100个Pandas函数 精心整理100个pandas常用函数，建议收藏~ a aggregate() #聚合；基于内置函数或者自定义函数的聚合运算 argmin() 最小值所在的索引 argmax...dropna() # 删除缺失值 diff() 一阶差分 dt.date() 提取日期 dt.time() 提取时间 dt.year() 提取年份 dt.month() 提取年份 dt.day...最大的前n个值 p pct_change 运算比率；后一个和前一个的比例 pd.to_datetime() 转日期时间类型 pd.Series() # 创建Series数据 pd.DataFrame...抽样 str.split() 字符分割 str.findall() sort_values() # 按值排序 sort_index() 按索引排序 stack() # 堆叠；列转行 t to_dict...() 转为字典 tolist() 转为列表 transpose .T # 转置 u unique() 元素唯一值（去重） unstack # 不要堆叠，多行转列 v var() 计算方差
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
腾讯会议
云直播
对象存储
