神秘熊猫探索记

Pandas基础（1）

在阅读本文之前，请确保已经阅读了以下文章：

经过前面几期关于Numpy的介绍之后，我们现在可以入坑pandas了，走吧，一起去瞧瞧这pandas到底是谁家的熊猫

我们约定，文中所有pandas均以pd形式来代替，即：

同时，因为pandas的操作是基于numpy的，所以我们仍然需要引入numpy：

准备好了以上这些，我们开始进入正题

1

创建一维Series

2

创建多维DataFrame

在创建DataFrame之前，我们首先来创建其行标签（这里，我们创建日期标签）：

现在来创建DataFrame：

这里的index是行索引。

如果我们不去定义其行索引（index）和列标签（columns），会出现什么呢，试一下：

结果表明：若不去定义其行索引（index）和列标签（columns），则按Python默认的索引方式进行执行且将索引值作为行or列标签。

创建DataFrame还可以使用字典，演示如下：

>>>df2=pd.DataFrame({'A':1.0,

3

'B':pd.Timestamp('20180314'),

4

'C':pd.Series(1,index=list(range(4)),dtype='float32'),

5

'D':np.array([3]*4,dtype='float32')})

6

7

ABCD

8

1.02018-3-141.03.0

9

11.02018-3-141.03.0

10

21.02018-3-141.03.0

11

31.02018-3-141.03.0

12

```

3

查看DataFrame的数据特征

4

排序

我们可以使用sort_index函数，按照行or列标签进行排序，其中，axis=0代表按行标签排序，axis=1表示按照列进行排序，默认为正序排列，通过修改ascending的布尔值来实现逆序排序，演示如下：

此外，如果要按照值得大小进行排序，则使用sort_value函数来操作，参数为by=‘’，代表按照哪一列值进行排序.

我们在df2后面新增一列：

然后按照E列进行升序排序：

以上为个人学习笔记，边学边码，仅供参考。

连载中

关注我们