到目前为止，我们了解了三种Pandas数据结构以及如何创建它们。接下来将主要关注数据帧(DataFrame)对象，因为它在实时数据处理中非常重要，并且还讨论其他数据结构。

一、系列基本功能

编号 属性或方法 描述
1 axes 返回行轴标签列表。
2 dtype 返回对象的数据类型(dtype)。
3 empty 如果系列为空，则返回True。
4 ndim 返回底层数据的维数，默认定义：1。
5 size 返回基础数据中的元素数。
6 values 将系列作为ndarray返回。
7 head() 返回前n行。
8 tail() 返回最后n行。

现在创建一个系列并演示如何使用上面所有列出的属性操作。

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(4))

print(s)

输出结果：

0   0.967853

1  -0.148368

2  -1.395906

3  -1.758394

dtype: float64

axes示例

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(4))

print ("The axes are:")

print(s.axes)

输出结果：

The axes are:

[RangeIndex(start=0, stop=4, step=1)]
 

empty示例

返回布尔值，表示对象是否为空。返回True则表示对象为空。

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(4))

print ("Is the Object empty?")

print(s.empty)
输出结果：
Is the Object empty?

False
 

ndim示例

返回对象的维数。根据定义，一个系列是一个1D数据结构，参考以下示例代码

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(4))

print(s)

print('\n')

print ("The dimensions of the object:",s.ndim)

输出结果 -

0   0.175898

1   0.166197

2  -0.609712

3  -1.377000

dtype: float64

The dimensions of the object:1
 

size示例

返回系列的大小(长度)。参考以下示例代码

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(2))

print(s)

print('\n')

print ("The size of the object:",s.size)

输出结果：

0   3.078058

1  -1.207803

dtype: float64

The size of the object:2
 

values示例

以数组形式返回系列中的实际数据值。

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(4))

print(s)

print('\n')

print ("The actual data series is:",s.values)

输出结果：

0   1.787373

1  -0.605159

2   0.180477

3  -0.140922

dtype: float64

The actual data series is:[ 1.78737302 -0.60515881 0.18047664 -0.1409218 ]
 

head()和tail()方法示例

要查看Series或DataFrame对象的小样本，请使用head()和tail()方法。

head()返回前n行(观察索引值)。要显示的元素的默认数量为5，但可以传递自定义这个数字值。

tail()返回最后n行(观察索引值)。 要显示的元素的默认数量为5，但可以传递自定义数字值。

import pandas as pd

import numpy as np

s = pd.Series(np.random.randn(4))

print ("The original series is:")

print(s)

print('\n')

print ("The first two rows of the data series:")

print(s.head(2))

print('\n')

print ("The last two rows of the data series:")

print(s.tail(2))
输出结果：
The original series is:

0   0.720876

1  -0.765898

2   0.479221

3  -0.139547

dtype: float64

The first two rows of the data series:

0   0.720876

1  -0.765898

dtype: float64




The last two rows of the data series:
2   0.479221
3  -0.139547
dtype: float64
 

二、DataFrame基本功能

下面来看看数据帧(DataFrame)的基本功能有哪些？下表列出了DataFrame基本功能的重要属性或方法。

编号 属性或方法 描述
1 T 转置行和列。
2 axes 返回一个列，行轴标签和列轴标签作为唯一的成员。
3 dtypes 返回此对象中的数据类型(dtypes)。
4 empty 如果NDFrame完全为空[无项目]，则返回为True; 如果任何轴的长度为0。
5 ndim 轴/数组维度大小。
6 shape 返回表示DataFrame的维度的元组。
7 size NDFrame中的元素数。
8 values NDFrame的Numpy表示。
9 head() 返回开头前n行。
10 tail() 返回最后n行。

下面来看看如何创建一个DataFrame并使用上述属性和方法。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Our data series is:")

print(df) 

输出结果：

Our data series is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80
 

T(转置)示例

返回DataFrame的转置。行和列将交换。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("The transpose of the data series is:")

print(df.T)

输出结果：

The transpose of the data series is:

         0     1       2      3      4      5       6

Age      25    26      25     23     30     29      23

Name     Tom   James   Ricky  Vin    Steve  Minsu   Jack

Rating   4.23  3.24    3.98   2.56   3.2    4.6     3.8
 

axes示例

返回行轴标签和列轴标签列表。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Row axis labels and column axis labels are:")

print(df.axes)

输出结果：

Row axis labels and column axis labels are:

[RangeIndex(start=0, stop=7, step=1), Index([u'Age', u'Name', u'Rating'],

dtype='object')]
 

dtypes示例

返回每列的数据类型。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("The data types of each column are:")

print(df.dtypes)

输出结果：

The data types of each column are:

Age     int64

Name    object

Rating  float64

dtype: object

empty示例

返回布尔值，表示对象是否为空; 返回True表示对象为空。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Is the object empty?",df.empty)

输出结果：

Is the object empty? False
 

ndim示例

返回对象的维数。根据定义，DataFrame是一个2D对象。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Our object is:")

print(df)

print('\n')

print ("The dimension of the object is:",df.ndim)

输出结果：

Our object is:

      Age    Name     Rating

0     25     Tom      4.23

1     26     James    3.24

2     25     Ricky    3.98

3     23     Vin      2.56

4     30     Steve    3.20

5     29     Minsu    4.60

6     23     Jack     3.80

The dimension of the object is:2
 

shape示例

返回表示DataFrame的维度的元组。 元组(a，b)，其中a表示行数，b表示列数。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Our object is:")

print(df)

print('\n')

print ("The shape of the object is:",df.shape)

输出结果：

Our object is:

   Age   Name    Rating

0  25    Tom     4.23

1  26    James   3.24

2  25    Ricky   3.98

3  23    Vin     2.56

4  30    Steve   3.20

5  29    Minsu   4.60

6  23    Jack    3.80

The shape of the object is:(7, 3)
 

size示例

返回DataFrame中的元素数。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Our object is:")

print(df)

print('\n')

print ("The total number of elements in our object is:",df.size)

输出结果：

Our object is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80

The total number of elements in our object is:21
 

values示例

将DataFrame中的实际数据作为ndarray返回。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Our object is:")

print(df)

print('\n')

print ("The actual data in our data frame is:")

print(df.values)

输出结果：

Our object is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80

The actual data in our data frame is:

[[25 'Tom' 4.23]

[26 'James' 3.24]

[25 'Ricky' 3.98]

[23 'Vin' 2.56]

[30 'Steve' 3.2]

[29 'Minsu' 4.6]

[23 'Jack' 3.8]]
 

head()和tail()示例

要查看DataFrame对象的小样本，可使用head()和tail()方法。

head()返回前n行(观察索引值)。显示元素的默认数量为5，但可以传递自定义数字值。

tail()返回最后n行(观察索引值)。显示元素的默认数量为5，但可以传递自定义数字值。

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

df = pd.DataFrame(d)

print ("Our data frame is:")

print(df)

print('\n')

print ("The first two rows of the data frame is:")

print(df.head(2))

print('\n')

print ("The last two rows of the data frame is:")

print(df.tail(2))

输出结果：

Our data frame is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80

The first two rows of the data frame is:

   Age   Name   Rating

0  25    Tom    4.23

1  26    James  3.24




The last two rows of the data frame is:

    Age   Name    Rating

5   29    Minsu    4.6

6   23    Jack     3.8

Pandas | 05 基本功能的更多相关文章

  1. pandas的基本功能(一)

    第16天pandas的基本功能(一) 灵活的二进制操作 体现在2个方面 支持一维和二维之间的广播 支持缺失值数据处理 四则运算支持广播 +add - sub *mul /div divmod()分区和 ...

  2. pandas的筛选功能，跟excel的筛选功能类似，但是功能更强大。

    Select rows from a DataFrame based on values in a column -pandas 筛选 https://stackoverflow.com/questi ...

  3. （数据科学学习手札134）pyjanitor：为pandas补充更多功能

    本文示例代码及文件已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 pandas发展了如此多年,所包含的功能已 ...

  4. python数据分析之Pandas：基本功能介绍

    Pandas有两个主要的数据结构:Series和DataFrame． Series是一种类似于一维数组的对象,它由一组数据以及一组与之相关的数据标签构成．来看下它的使用过程 In [1]: from  ...

  5. Pandas常用基本功能

    Series 和 DataFrame还未构建完成的朋友可以参考我的上一篇博文:https://www.cnblogs.com/zry-yt/p/11794941.html 当我们构建好了 Series ...

  6. Pandas | 21 日期功能

    日期功能扩展了时间序列,在财务数据分析中起主要作用.在处理日期数据的同时,我们经常会遇到以下情况 - 生成日期序列 将日期序列转换为不同的频率 创建一个日期范围 通过指定周期和频率,使用date.ra ...

  7. pandas replace 替换功能function

    list like replace method dict like replace method regex expression import pandas as pd import numpy ...

  8. [Pandas] 05 - Parallel processing

    相关资源 [Python] 09 - Multi-processing [Pandas] 01 - A guy based on NumPy [AI] 深度数学 - Bayes 这章非常有意思,但一定 ...

  9. 3.1,pandas【基本功能】

    一:改变索引 reindex方法对于Series直接索引,对于DataFrame既可以改变行索引,也可以改变列索引,还可以两个一起改变. 1)对于Series In [2]: seri = pd.Se ...

随机推荐

  1. Intellij-Cannot download Sources解决方法

    当你点击Dowload Sources的时候它会报一个错误 提示你不能下载源代码,这个时候你可以打开下方的命令窗口 然后 进入到项目根路径后  使用mvn dependency:resolve -Dc ...

  2. kafka的安装和初步使用

    简介 最近开发的项目中,kafka用的比较多,为了方便梳理,从今天起准备记录一些关于kafka的文章,首先,当然是如何安装kafka了. Apache Kafka是分布式发布-订阅消息系统. Apac ...

  3. 非替代品，MongoDB与MySQL对比分析

    IT168 评论]对于只有SQL背景的人来说,想要深入研究NoSQL似乎是一个艰巨的任务,MySQL与MongoDB都是开源常用数据库,但是MySQL是传统的关系型数据库,MongoDB则是非关系型数 ...

  4. fiddler抓包-6-Copy与Save常用技巧

    前言 我们保存会话有什么用呢?很显然就是让开发知道整个接口的入参.出参的情况,不然你截个图我还得一个一个敲或者找回我的接口重新用postman请求一下,我不信会出错. 截图还不如复制粘贴接口url.参 ...

  5. prometheus exporter简介

    一.服务分类 在线服务:请求的客户端和发起者需要立即响应(高并发.低延迟:并发数.接口响应时间.错误数.延迟时间),面对突发流量能进行资源的自动伸缩 离线服务:请求发送到服务端但不要求立即获取结果(监 ...

  6. java,string和list,list和set相互转换

    list转string String str= String.join("','", list); list转set Set<String> set = new Has ...

  7. jdk源码调试进去形参没有值

    https://blog.csdn.net/u010407050/article/details/76690478 1.在你的D:盘新建jdk文件夹,然后在文件夹里面分别创建两个文件夹jdk_src( ...

  8. Linux : Nginx相关

    nginx安装参考链接: https://www.cnblogs.com/kaid/p/7640723.html 自定义编译目录: https://blog.csdn.net/ainuser/arti ...

  9. SpringBoot热部署（实战）详解

    热部署是什么 大家都知道在项目开发过程中,常常会改动页面数据或者修改数据结构,为了显示改动效果,往往需要重启应用查看改变效果,其实就是重新编译生成了新的 Class 文件,这个文件里记录着和代码等对应 ...

  10. 微信小程序主要开发语言

    小程序的主要开发语言是 JavaScript ,开发者使用 JavaScript 来开发业务逻辑以及调用小程序的 API 来完成业务需求. 在大部分开发者看来,ECMAScript和JavaScrip ...