更多函数查阅http://pandas.pydata.org/pandas-docs/stable/10min.html
import pandas as pd
#两种数据结构
from pandas import Series,DataFrame #Series由一组数据和一组索引组成
# obj=Series([2,3,5,7,3,1])
# print(obj) #建立Series的时候指定索引
# obj2=Series([1,2,3,4,5],index=['a','b','c','d','e'])
# # print(obj2)
# print(obj2['a'])#指定索引输出
# print(obj2[['a','d']])#指定多个索引输出
# print('a' in obj2)#判断索引'a'是否在Series中,输出值为bool类型
# obj2.name='wolawola'#设置name属性
# print(obj2.name)#输出name属性
# print(obj2.index.name)#输出索引的name属性 #字典数据类型创建Series
# data={'a':1000,'b':2000,'c':3000,'d':4000}
# s=Series(data)
# print(s) #Series进行运算
# data={'a':1000,'b':2000,'c':3000,'d':4000}
# s=Series(data)
# print(s*2) #关系映射,返回值是bool类型
# data={'a':1000,'b':2000,'c':3000,'d':4000}
# s=Series(data)
# print('a' in s) #分别创建index和value创建Series
# dt=[1,2,3,4,5]
# id=['a','b','c','d','e','f']
# data=Series(dt,index=id)
# print(data) #判断是否为空值
# data={'a':1000,'b':2000,'c':3000,'d':4000}
# s=Series(data)
# print(s.isnull) #----------------------------------------------------
#DataFrame #字典数据类型创建DataFrame
# data={'state':['a','b','c','d'],
# 'year':[1991,1992,1993,1994],
# 'pop':[6,7,8,9]}
# frame=DataFrame(data)
# frame=DataFrame(data,columns=['year','state','pop','age'])#没有age,传入NaN值
# print(frame)
# # print(frame['year'])#输出年份
# # print(frame.state)
# print(frame.columns)#输出列名
# frame['age']=np.arange(4)#给age属性增加值
# print(frame) #嵌套字典:外层的键作为列,内层的键作为行索引
# pop={'a':{1:1000,2:2000},
# 'b':{1:5000,3:3000,4:4000},
# }
# frame=DataFrame(pop)
# print(frame)
# print(frame.T)#转置 #索引对象是不可以修改的,以下报错immutable
# obj=Series(range(3),index=['a','b','c'])
# obj.index[1]='d'
# print(obj.index) #reindex:重新索引,若值缺失则引入缺失值
# obj=Series([23,4.5,-8,100],index=['b','c','a','d'])
# print(obj)
# reind=obj.reindex(['a','b','c','d','e'])
# print(reind) #向前填充索引,从index=0开始,遇到index=3时将值变为4.5
#range()中的值是填充的范围,即索引的取值区间
# obj=Series([23,4.5,-8],index=[0,3,5])
# reind=obj.reindex(range(9),method='ffill')#ffill或pad:向前填充,bfill或backfill向后填充
# print(reind) #修改行索引,列,或者两个都修改,则会重新索引
# frame=DataFrame(np.arange(9).reshape([3,3]),index=['a','b','c'],columns=['no.1','no.2','no.3'])
# print(frame)
# fr=frame.reindex(['a','b','c','d'])
# print(fr) #drop:丢弃制定轴上的项
# frame=DataFrame(np.arange(9).reshape([3,3]),index=['a','b','c'],columns=['no.1','no.2','no.3'])
# new_frame=frame.drop('a')
# new_frame2=frame.drop('no.1',axis=1)
# print(new_frame)
# print(new_frame2) #DataFrame和bool一起使用
# frame=DataFrame(np.arange(9).reshape([3,3]),index=['a','b','c'],columns=['no.1','no.2','no.3'])
# print(frame>3) #ix在DataFrame中
# frame=DataFrame(np.arange(9).reshape([3,3]),index=['a','b','c'],columns=['no.1','no.2','no.3'])
# f2=frame.ix['a','no.1']#两个参数,第一个是行,第二个是列
# print(frame)
# print(f2)
#数据对齐# frame=DataFrame(np.arange(9).reshape([3,3]),index=['a','b','c'])# frame2=DataFrame(np.arange(16).reshape([4,4]),index=['a','b','c','d'])# print(frame+frame2)#重新索引frame,用frame2的列,所以会有空值,空值填0# frame=DataFrame(np.arange(9).reshape([3,3]),index=['a','b','c'])# frame2=DataFrame(np.arange(16).reshape([4,4]),index=['a','b','c','d'])# f=frame.reindex(columns=frame2.columns,fill_value=0)# print(f)#索引排序# frame=DataFrame(np.arange(8).reshape([2,4]),index=['three','one'],columns=['a','d','c','b'])# print(frame)# f1=frame.sort_index()# print(f1)# f2=frame.sort_index(axis=1)# print(f2)#Seriex ranking# s=Series([3,6,1,5,-1])# print(s.rank())#返回名次,从小到大# print(s.rank(ascending=False))#降序#DataFormat ranking# frame=DataFrame({'b':[2.5,1.6,9.0],'a':[4,7,5.7],'c':[2,9,7]})# print(frame)# f1=frame.rank(axis=1)# print(f1)#DataFrame和Series之间的运算:每行依次相减# arr=np.arange(12).reshape([3,4])# rs=arr-arr[0]# print(rs)#DataFrame和Series之间算术运算会将Series的索引匹配到DataFrame的列,然后沿着行一直向下广播#describe# obj=Series(['a','b','c','d'])# print(obj)# print(obj.describe())#切分行和列# arr=np.arange(12).reshape([3,4])# df=DataFrame(arr,index=['a','b','c'],columns=['no.1','no.2','no.3','no.4'])# print(df)# print(df.iloc[1:3,2:4])#切分[1:3)行,[2:4)列

pandas数据结构练习题(部分)的更多相关文章

  1. 【UOJ#228】基础数据结构练习题 线段树

    #228. 基础数据结构练习题 题目链接:http://uoj.ac/problem/228 Solution 这题由于有区间+操作,所以和花神还是不一样的. 花神那道题,我们可以考虑每个数最多开根几 ...

  2. pandas教程1:pandas数据结构入门

    pandas是一个用于进行python科学计算的常用库,包含高级的数据结构和精巧的工具,使得在Python中处理数据非常快速和简单.pandas建造在NumPy之上,它使得以NumPy为中心的应用很容 ...

  3. uoj #228. 基础数据结构练习题 线段树

    #228. 基础数据结构练习题 统计 描述 提交 自定义测试 sylvia 是一个热爱学习的女孩子,今天她想要学习数据结构技巧. 在看了一些博客学了一些姿势后,她想要找一些数据结构题来练练手.于是她的 ...

  4. 【UOJ228】基础数据结构练习题(线段树)

    [UOJ228]基础数据结构练习题(线段树) 题面 UOJ 题解 我们来看看怎么开根? 如果区间所有值都相等怎么办? 显然可以直接开根 如果\(max-sqrt(max)=min-sqrt(min)\ ...

  5. Pandas数据结构

    Pandas处理以下三个数据结构 - 系列(Series) 数据帧(DataFrame) 面板(Panel) 这些数据结构构建在Numpy数组之上,这意味着它们很快. 维数和描述 考虑这些数据结构的最 ...

  6. 【线段树】uoj#228. 基础数据结构练习题

    get到了标记永久化 sylvia 是一个热爱学习的女孩子,今天她想要学习数据结构技巧. 在看了一些博客学了一些姿势后,她想要找一些数据结构题来练练手.于是她的好朋友九条可怜酱给她出了一道题. 给出一 ...

  7. python之pandas学习笔记-pandas数据结构

    pandas数据结构 pandas处理3种数据结构,它们建立在numpy数组之上,所以运行速度很快: 1.系列(Series) 2.数据帧(DataFrame) 3.面板(Panel) 关系: 数据结 ...

  8. 读书笔记一、pandas数据结构介绍

    pandas数据结构介绍 主要两种数据结构:Series和DataFrame.   Series   Series是一种类似于一维数组的对象,由一组数据(各种NumPy数据类型)+数据标签(即索引)组 ...

  9. 初探pandas——安装和了解pandas数据结构

    安装pandas 通过python pip安装pandas pip install pandas pandas数据结构 pandas常用数据结构包括:Series和DataFrame Series S ...

随机推荐

  1. 西邮linux兴趣小组2014纳新免试题(二)

    [第二关] 题目 http://round2.sinaapp.com/ 分析 打开后,戳进去发现一句名言,然后下一戳的url提示. 在网页源码中得到Page1024提示,于是写一个脚本 #!/bin/ ...

  2. SQLServer总结

    基础 nvarchar 和 varchar等的区别 1.nvarchar多了一个N,n表示使用的unicode编码,不用N开头的是用的utf-8编码. 2.所以中文在varchar中占两个字符长度,在 ...

  3. String的replace和replaceAll

    replace(CharSequence target, CharSequence replacement) 这里CharSequence是一个接口 实现类包括CharBuffer, Segement ...

  4. C#单例测试(懒汉式双锁保证线程安全)

    单例模式的概念 单例模式的意思就是只有一个实例.单例模式确保某一个类只有一个实例,而且自行实例化并向整个系统提供这个实例.这个类称为单例类. 关键点: 这个类只有一个实例,这是最基本的 它必须自行创建 ...

  5. springmvc 格式化返回日期格式

    <mvc:annotation-driven conversion-service="conversionService"> <mvc:message-conve ...

  6. C "right-left" 从左到右

    葵花宝典:http://ieng9.ucsd.edu/~cs30x/rt_lt.rule.html C混带代码大赛

  7. Charles Proxy v4.1.4 免费注册激活方法

    去官网下载最新版Charles,目前是v4.1.4 下载后安装Charles,然后先打开一次Charles软件(Mac系统需要先打开一次,Windows不需要) 到网站 http://charles. ...

  8. Quartz入门案例与介绍(与spring整合)

    Quartz概述 Quartz是OpenSymphony开源组织在Job scheduling领域又一个开源项目,它可以与J2EE与J2SE应用程序相结合也可以单独使用.Quartz可以用来创建简单或 ...

  9. zoj3961(区间问题)

    点击打开zoj1961Let's Chat Time Limit: 1 Second      Memory Limit:65536 KB ACM (ACMers' Chatting Messenge ...

  10. Github Page+Bmob实现简单动态功能

    Github Page基于jekyll能够实现简单的静态网站,但是没有提供后端服务.目前国内外也有很多提供后台服务,特别是云服务.譬如国外有AWS,记得好像是注册免费使用一年:再如Heroku,支持N ...