(一)对比Numpty 与 DataFrame默认索引取值不同点

Numpy索引取值

#Numpy索引取值
data=np.empty((2,4),dtype=int)
print(data)
''' [[4128860 6029375 3801157 7340124]
[7602297 7274600 3342446 54]] ''' #取行
print('取第一行结果')
print(data[0]) #[4128860 6029375 3801157 7340124] 默认data【0】拿到的是数组第一行的值
'''
取第一行结果
[4128860 6029375 3801157 7340124] ''' #取列
print('取第一列的结果')
print(data[:,[0]])
'''
取第一列的结果
[[4128860]
[7602297]
]
'''

DataFrame索引取值

#Dataframe的索引取值
data=pd.DataFrame(data)
print(data) '''原始DataFrame数组 0 1 2 3
0 4128860 6029375 3801157 7340124
1 7602297 7274600 3342446 54 ''' #取行的值
print('取第二行的值')
print(data[1:2])
'''
取第一行的值
0 1 2 3
0 4128860 6029375 3801157 7340124
''' #取列的值
print('取第一列的值')
print(data[0]) #这里data【0】拿到的是第一列的值
'''
取第一列的值
0 4128860
1 7602297
Name: 0, dtype: int32 '''

(二)Numpy与DataFrame之间转换

Numpy数组:

通过Numpy生成一个随机5行5列数组

import random
data=np.zeros((5,5),dtype=int)

通过random模块改变数组中的每个值

for i in range(len(data)):
for j in range(len(data[0])):
data[i][j] = random.randint(0,5) print(data) '''Numpy初始的数组结构 [[1 4 4 0 2]
[3 2 5 5 2]
[3 4 1 5 5]
[2 3 1 0 1]
[4 4 1 1 1]] '''

查看Numpy数组类型

#看Numpy初始的数组类型
print(type(data)) #<class 'numpy.ndarray'>

将Numpy数组转为DataFrame数组:

data_new=pd.DataFrame(data)
print(data_new) '''转换为DataFrame之后的结构
0 1 2 3 4
0 1 4 4 0 2
1 3 2 5 5 2
2 3 4 1 5 5
3 2 3 1 0 1
4 4 4 1 1 1 '''

查看转换后的数组类型

#看装换之后的数据类型
print(type(data_new)) #<class 'pandas.core.frame.DataFrame'>

Numpy 与 DataFrame对比与应用的更多相关文章

  1. Spark与Pandas中DataFrame对比

      Pandas Spark 工作方式 单机single machine tool,没有并行机制parallelism不支持Hadoop,处理大量数据有瓶颈 分布式并行计算框架,内建并行机制paral ...

  2. Spark与Pandas中DataFrame对比(详细)

      Pandas Spark 工作方式 单机single machine tool,没有并行机制parallelism不支持Hadoop,处理大量数据有瓶颈 分布式并行计算框架,内建并行机制paral ...

  3. Scipy和Numpy的插值对比

    技术背景 插值法在图像处理和信号处理.科学计算等领域中是非常常用的一项技术.不同的插值函数,可以根据给定的数据点构造出来一系列的分段函数.这一点有别于函数拟合,函数拟合一般是指用一个给定形式的连续函数 ...

  4. 利用pandas进行数据分析之二:DataFrame与Series数据结构对比

    Series与DataFrame对比学习 文章为本人原创,未经同意请勿转载,http://www.cnblogs.com/smallcrystal/ Series:构建的方法,一组数组(列表或元组), ...

  5. dataframe,list,numpy之间的互相转换

    dataframe,numpy,list之间的互相转换 由于目前学校要做一些数据分析处理的作业有要用到dataframe,list,numpy之间的转化,所以在此总结一下这些用法. dataframe ...

  6. Pandas 之 Series / DataFrame 初识

    import numpy as np import pandas as pd Pandas will be a major tool of interest throughout(贯穿) much o ...

  7. python numpy笔记:给matlab使用者

    利用Numpy,python可以进行有效的科学计算.本文给过去常用matlab,现在正学习Numpy的人. 在进行矩阵运算等操作时,使用array还是matrix?? 简短的回答,更多的时候使用arr ...

  8. Spark核心类:SQLContext和DataFrame

    http://blog.csdn.net/pipisorry/article/details/53320669 pyspark.sql.SQLContext Main entry point for ...

  9. PySpark的DataFrame处理方法

    转:https://blog.csdn.net/weimingyu945/article/details/77981884 感谢! ---------------------------------- ...

随机推荐

  1. 2018.7.27 Json与Java相互转换

    Json.jsp <%@ page language="java" contentType="text/html; charset=UTF-8" page ...

  2. 【转】Spring 整合 Quartz 实现动态定时任务

    http://blog.csdn.net/u014723529/article/details/51291289 最近项目中需要用到定时任务的功能,虽然spring 也自带了一个轻量级的定时任务实现, ...

  3. C#面向对象的编程语言具三个特性

    C#面向对象的编程语言具三个特性:有封装性.继承性.多态性 .

  4. React后台管理系统-品类选择器二级联动组件

    1.页面大致是这个样子 2.页面结构 <div className="col-md-10">            <select name="&quo ...

  5. django模板层之静态文件引入优化

    1.新手使用 我们一般在初学django的情况下,引入django的静态文件一般有如下两种方式: 通过路径引用: <script type="text/javascript" ...

  6. java Web 常见错误集锦 及解决方法

    只能删除pid为整数的商品,32位的pid商品不能删除? 原因onclick="agree('${s.pid}')"  括号中需要加 ' ' 删除多余的工作空间? 使用prefer ...

  7. sql的使用

    1.自动获取最新订单号 select concat('XJDD',DATE_FORMAT(now(),'%Y%m%d'), LPAD(( FOR )) , max(SUBSTRING(inquiryn ...

  8. js | JavaScript中数据类型转换总结

    转载 在js中,数据类型转换分为显式数据类型转换和隐式数据类型转换. 1, 显式数据类型转换 a:转数字: 1)Number转换: 代码: var a = “123”; a = Number(a); ...

  9. LVS+Keepalived-DR模式负载均衡高可用集群

    LVS+Keepalived DR模式负载均衡+高可用集群架构图 工作原理: Keepalived采用VRRP热备份协议实现Linux服务器的多机热备功能. VRRP,虚拟路由冗余协议,是针对路由器的 ...

  10. Java中使用webSocket

    Java中使用webSocket package com.yaoqi.controller.message; import javax.websocket.*; import javax.websoc ...