肝了3天，整理了90个Pandas案例

文章很长，高低要忍一下，如果忍不了，那就收藏吧，总会用到的。

如何使用列表和字典创建 Series

使用列表创建 Series

使用 name 参数创建 Series

使用简写的列表创建 Series

使用字典创建 Series

如何使用 Numpy 函数创建 Series

如何获取 Series 的索引和值

如何在创建 Series 时指定索引

如何获取 Series 的大小和形状

如何获取 Series 开始或末尾几行数据

Head()

Tail()

Take()

使用切片获取 Series 子集

如何创建 DataFrame

如何设置 DataFrame 的索引和列信息

如何重命名 DataFrame 的列名称

如何根据 Pandas 列中的值从 DataFrame 中选择或过滤行

在 DataFrame 中使用“isin”过滤多行

迭代 DataFrame 的行和列

如何通过名称或索引删除 DataFrame 的列

向 DataFrame 中新增列

如何从 DataFrame 中获取列标题列表

如何随机生成 DataFrame

如何选择 DataFrame 的多个列

如何将字典转换为 DataFrame

使用 ioc 进行切片

检查 DataFrame 中是否是空的

在创建 DataFrame 时指定索引和列名称

使用 iloc 进行切片

iloc 和 loc 的区别

使用时间索引创建空 DataFrame

如何改变 DataFrame 列的排序

检查 DataFrame 列的数据类型

更改 DataFrame 指定列的数据类型

如何将列的数据类型转换为 DateTime 类型

将 DataFrame 列从 floats 转为 ints

如何把 dates 列转换为 DateTime 类型

两个 DataFrame 相加

在 DataFrame 末尾添加额外的行

为指定索引添加新行

如何使用 for 循环添加行

在 DataFrame 顶部添加一行

如何向 DataFrame 中动态添加行

在任意位置插入行

使用时间戳索引向 DataFrame 中添加行

为不同的行填充缺失值

append, concat 和 combine_first 示例

获取行和列的平均值

计算行和列的总和

连接两列

过滤包含某字符串的行

过滤索引中包含某字符串的行

使用 AND 运算符过滤包含特定字符串值的行

查找包含某字符串的所有行

如果行中的值包含字符串，则创建与字符串相等的另一列

计算 pandas group 中每组的行数

检查字符串是否在 DataFrme 中

从 DataFrame 列中获取唯一行值

计算 DataFrame 列的不同值

删除具有重复索引的行

删除某些列具有重复值的行

从 DataFrame 单元格中获取值

使用 DataFrame 中的条件索引获取单元格上的标量值

设置 DataFrame 的特定单元格值

从 DataFrame 行获取单元格值

用字典替换 DataFrame 列中的值

统计基于某一列的一列的数值

处理 DataFrame 中的缺失值

删除包含任何缺失数据的行

删除 DataFrame 中缺失数据的列

按降序对索引值进行排序

按降序对列进行排序

使用 rank 方法查找 DataFrame 中元素的排名

在多列上设置索引

确定 DataFrame 的周期索引和列

导入 CSV 指定特定索引

将 DataFrame 写入 csv

使用 Pandas 读取 csv 文件的特定列

Pandas 获取 CSV 列的列表

找到列值最大的行

使用查询方法进行复杂条件选择

检查 Pandas 中是否存在列

为特定列从 DataFrame 中查找 n-smallest 和 n-largest 值

从 DataFrame 中查找所有列的最小值和最大值

在 DataFrame 中找到最小值和最大值所在的索引位置

计算 DataFrame Columns 的累积乘积和累积总和

汇总统计

查找 DataFrame 的均值、中值和众数

测量 DataFrame 列的方差和标准偏差

计算 DataFrame 列之间的协方差

计算 Pandas 中两个 DataFrame 对象之间的相关性

计算 DataFrame 列的每个单元格的百分比变化

在 Pandas 中向前和向后填充 DataFrame 列的缺失值

在 Pandas 中使用非分层索引使用 Stacking

使用分层索引对 Pandas 进行拆分

Pandas 获取 HTML 页面上 table 数据

1

如何使用列表和字典创建 Series使用列表创建 Series

Output:

使用 name 参数创建 Series

Output:

使用简写的列表创建 Series

Output:

使用字典创建 Series

Output:

2

如何使用 Numpy 函数创建 Series

Output:

3

如何获取 Series 的索引和值

Output:

4

如何在创建 Series 时指定索引

Output:

5

如何获取 Series 的大小和形状

Output:

6

如何获取 Series 开始或末尾几行数据Head()

Output:

Tail()

Output:

Take()

Output:

7

使用切片获取 Series 子集

Output

8

如何创建 DataFrame

Output:

9

如何设置 DataFrame 的索引和列信息

Output

10

如何重命名 DataFrame 的列名称

Output:

11

如何根据 Pandas 列中的值从 DataFrame 中选择或过滤行

Output:

12

在 DataFrame 中使用“isin”过滤多行

Output:

13

迭代 DataFrame 的行和列

Output:

14

如何通过名称或索引删除 DataFrame 的列

Output:

15

向 DataFrame 中新增列

Output:

16

如何从 DataFrame 中获取列标题列表

Output:

17

如何随机生成 DataFrame

Output:

18

如何选择 DataFrame 的多个列

Output:

19

如何将字典转换为 DataFrame

Output:

20

使用 ioc 进行切片

Output:

21

检查 DataFrame 中是否是空的

Output:

22

在创建 DataFrame 时指定索引和列名称

Output:

23

使用 iloc 进行切片

Output:

24

iloc 和 loc 的区别

loc 索引器还可以进行布尔选择，例如，如果我们想查找 Age 小于 30 的所有行并仅返回 Color 和 Height 列，我们可以执行以下操作。我们可以用 iloc 复制它，但我们不能将它传递给一个布尔系列，必须将布尔系列转换为 numpy 数组

loc 从索引中获取具有特定标签的行（或列）

iloc 在索引中的特定位置获取行（或列）（因此它只需要整数）

Output:

25

使用时间索引创建空 DataFrame

Output:

26

如何改变 DataFrame 列的排序

Output:

27

检查 DataFrame 列的数据类型

Output:

28

更改 DataFrame 指定列的数据类型

Output:

29

如何将列的数据类型转换为 DateTime 类型

Output:

30

将 DataFrame 列从 floats 转为 ints

Output:

31

如何把 dates 列转换为 DateTime 类型

Output:

32

两个 DataFrame 相加

Output:

33

在 DataFrame 末尾添加额外的行

Output:

34

为指定索引添加新行

Output:

35

如何使用 for 循环添加行

Output:

36

在 DataFrame 顶部添加一行

Output:

37

如何向 DataFrame 中动态添加行

Output:

38

在任意位置插入行

Output:

39

使用时间戳索引向 DataFrame 中添加行

Output:

40

为不同的行填充缺失值

Output:

41

append, concat 和 combine_first 示例

Output:

42

获取行和列的平均值

Output:

43

计算行和列的总和

Output:

44

连接两列

Output:

45

过滤包含某字符串的行

Output:

46

过滤索引中包含某字符串的行

Output:

47

使用 AND 运算符过滤包含特定字符串值的行

Output:

48

查找包含某字符串的所有行

Output:

49

如果行中的值包含字符串，则创建与字符串相等的另一列

Output:

50

计算 pandas group 中每组的行数

Output:

51

检查字符串是否在 DataFrme 中

Output:

52

从 DataFrame 列中获取唯一行值

Output:

53

计算 DataFrame 列的不同值

Output:

54

删除具有重复索引的行

Output:

55

删除某些列具有重复值的行

Output:

56

从 DataFrame 单元格中获取值

Output:

57

使用 DataFrame 中的条件索引获取单元格上的标量值

Output:

58

设置 DataFrame 的特定单元格值

Output:

59

从 DataFrame 行获取单元格值

Output:

60

用字典替换 DataFrame 列中的值

Output:

61

统计基于某一列的一列的数值

Output:

62

处理 DataFrame 中的缺失值

Output:

63

删除包含任何缺失数据的行

Output:

64

删除 DataFrame 中缺失数据的列

Output:

65

按降序对索引值进行排序

Output:

66

按降序对列进行排序

Output:

67

使用 rank 方法查找 DataFrame 中元素的排名

Output:

68

在多列上设置索引

Output:

69

确定 DataFrame 的周期索引和列

Output:

70

导入 CSV 指定特定索引

Output:

71

将 DataFrame 写入 csv

Output:

72

使用 Pandas 读取 csv 文件的特定列

73

Pandas 获取 CSV 列的列表

Output:

74

找到列值最大的行

Output:

75

使用查询方法进行复杂条件选择

Output:

76

检查 Pandas 中是否存在列

77

为特定列从 DataFrame 中查找 n-smallest 和 n-largest 值

Output:

78

从 DataFrame 中查找所有列的最小值和最大值

Output:

79

在 DataFrame 中找到最小值和最大值所在的索引位置

Output:

80

计算 DataFrame Columns 的累积乘积和累积总和

Output:

81

汇总统计

Output:

82

查找 DataFrame 的均值、中值和众数

Output:

83

测量 DataFrame 列的方差和标准偏差

Output:

84

计算 DataFrame 列之间的协方差

Output:

85

计算 Pandas 中两个 DataFrame 对象之间的相关性

Output:

86

计算 DataFrame 列的每个单元格的百分比变化

Output:

87

在 Pandas 中向前和向后填充 DataFrame 列的缺失值

Output:

88

在 Pandas 中使用非分层索引使用 Stacking

Output:

89

使用分层索引对 Pandas 进行拆分

Output:

90

Pandas 获取 HTML 页面上 table 数据