pandas库的用法,pandas使用详细教程
Pandas库Pandas是一个Python第三方库，提供高性能且易于使用的数据类型和分析工具。
进口pandasas pd
Pandas基于NumPy，通常与NumPy和Matplotlib一起使用。
Pandas库的理解两种数据类型：系列、数据框架
基于上述数据类型的各种运算：基本运算、算术运算、特征运算和关联运算。
NumPy
熊猫
基本数据类型
扩展数据类型
注意数据的结构化表达。
注重数据的应用表达。
维度：数据之间的关系
和数据索引。
Series类型系列类型由一组数据及其相关数据索引组成。
010-5900Python列表：索引与列表元素的数量一致
标量值：index表示系列类型的大小。
Python字典：键-值对中的“键”是索引，索引从字典中选择。
Ndarray:索引和数据可以由Ndarray类型创建。
其他函数：range()函数等。
Series类型可以由如下类型创建系列类型包括索引和值；系列类型的操作类似于ndarray类型；系列类型的操作类似于Python字典类型。
Series类型的操作类似于ndarray类型：1。指标方法相同，采用[]；2.NumPy中的操作和运算可用于系列类型；3.您可以对自定义索引列表进行切片；4.你可以通过自动索引切片。如果有用户定义的索引，它将被切片在一起。
Series类型的操作类似于Python字典类型：1。通过自定义索引访问；2.操作中的保留字；3.使用。get()方法。
系列系列
数列型在运算中会自动对齐不同指标的数据。
Series对象和索引都可以有一个名称，它存储在属性中。名称：
系列对象可以随时修改并立即生效。
Series类型的基本操作系列是带有“标签”的一维数组
数据索引0
Series基本操作类似于ndarray和dictionary，根据索引对齐。
总结：数据帧类型由一组共享相同索引的列组成。
DataFrame是一种表格数据类型，每个列的值类型可以不同。DataFrame同时具有行索引和列索引。DataFrame常用于表示二维数据，但也可以表示多维数据。
DataFrame类型2D ndarray对象
由一维数组、列表、字典、元组或序列组成的字典。
系列类型
其他数据帧类型
DataFrame类型可以由如下类型创建DataFrame是一个带有“标签”的二维数组
DataFrame的基本操作类似于Series，按行和列进行索引。
总结：如何更改Series和DataFrame对象？或者添加重排：重新索引，删除：丢弃。reindex()可以更改或重新排列Series和DataFrame索引。
的参数。reindex (index=none，columns=none，…)
参数
解释
索引，列
的新行和列自定义索引
填充值
在重新索引中，用于填充缺失位置的值。
方法
Fill方法，ffill的当前值向前填充，bfill向后填充。
限制
最大填充量
复制
默认情况下，会生成一个新对象；如果为False，则不复制旧对象和新对象。
Series和DataFrame的索引属于index类型，Index对象属于不可修改类型。
索引类型的常用操作方法
方法
解释。追加(idx)
连接另一个索引对象以生成新的索引对象。差异(idx)
计算差集并生成新的索引对象。交叉点(idx)
计算交集。工会(idx)
计算联合。删除(锁定)
删除loc位置的元素。插入(loc，e)
在loc位置增加一个元素e。丢弃()
可以删除由Series和DataFrame指定的行或列索引。
默认情况下，轴=0被删除。
Pandas库的数据类型操作
算术算法：算术运算基于行列索引，完成后默认生成浮点数；填写缺项时填写NaN(空值)；在二维、一维、一维、零维之间进行广播操作；使用*/符号的二元运算产生一个新对象。
自动完成，缺少的项目补NaN
方法形式的操作
方法
解释。添加(d，**argws)
类型加法，可选参数。sub(d，**argws)
类型之间的减法，可选参数。mul(d，**argws)
类型乘法，可选参数。分部(d，**argws)
类型除法运算，可选参数
fill_value参数替换NaN，并参与替换后的运算。
不同维度之间有广播操作，一维序列默认参与1轴上的操作。
比较算法：比较操作只能比较索引相同的元素，没有完成；在二维、一维、一维、零维之间进行广播操作；领养====！=和其他符号来生成布尔对象。
相同维度操作，相同大小
不同维度，广播操作，默认为1轴。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。