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。

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。

示例

import pandas as pd

import numpy as np

#Create a series with 100 random numbers

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

print s
Python

执行上面示例代码，得到以下输出结果 -

0   0.967853

1  -0.148368

2  -1.395906

3  -1.758394

dtype: float64
Python

axes示例

返回系列的标签列表。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a series with 100 random numbers

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

print ("The axes are:")

print s.axes
Python

执行上面示例代码，得到以下输出结果 -

The axes are:

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

上述结果是从0到5的值列表的紧凑格式，即：[0,1,2,3,4]。

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

#Create a series with 100 random numbers

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

print ("Is the Object empty?")

print s.empty
Python

执行上面示例代码，得到以下输出结果 -

Is the Object empty?

False
Python

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

#Create a series with 4 random numbers

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

print s

print ("The dimensions of the object:")

print s.ndim
Python

执行上面示例代码，得到以下结果 -

0   0.175898

1   0.166197

2  -0.609712

3  -1.377000

dtype: float64

The dimensions of the object:

1
Shell

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

#Create a series with 4 random numbers

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

print s

print ("The size of the object:")

print s.size
Python

执行上面示例代码，得到以下结果 -

0   3.078058

1  -1.207803

dtype: float64

The size of the object:

2
Shell

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

#Create a series with 4 random numbers

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

print s

print ("The actual data series is:")

print s.values
Python

执行上面示例代码，得到以下结果 -

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 ]
Shell

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。

import pandas as pd

import numpy as np

#Create a series with 4 random numbers

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

print ("The original series is:")

print s

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

print s.head(2)
Python

执行上面示例代码，得到以下结果 -

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
Shell

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。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a series with 4 random numbers

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

print ("The original series is:")

print s

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

print s.tail(2)
Python

执行上面示例代码，得到以下结果 -

The original series is:

0 -0.655091

1 -0.881407

2 -0.608592

3 -2.341413

dtype: float64

The last two rows of the data series:

2 -0.608592

3 -2.341413

dtype: float64
Shell

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。

示例

import pandas as pd

import numpy as np

#Create a Dictionary of series

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])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our data series is:")

print df
Python

执行上面示例代码，得到以下结果 -

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
Shell

T(转置)示例

返回DataFrame的转置。行和列将交换。参考以下示例代码 -

import pandas as pd

import numpy as np

# Create a Dictionary of series

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])}

# Create a DataFrame

df = pd.DataFrame(d)

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

print df.T
Python

执行上面示例代码，得到以下结果 -

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
Shell

axes示例

返回行轴标签和列轴标签列表。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a Dictionary of series

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])}

#Create a DataFrame

df = pd.DataFrame(d)

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

print df.axes
Python

执行上面示例代码，得到以下结果 -

Row axis labels and column axis labels are:

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

dtype='object')]
Shell

dtypes示例

返回每列的数据类型。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a Dictionary of series

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])}

#Create a DataFrame

df = pd.DataFrame(d)

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

print df.dtypes
Python

执行上面示例代码，得到以下结果 -

The data types of each column are:

Age     int64

Name    object

Rating  float64

dtype: object
Shell

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

import numpy as np

#Create a Dictionary of series

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])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Is the object empty?")

print df.empty
Python

执行上面示例代码，得到以下结果 -

Is the object empty?

False
Shell

ndim示例

返回对象的维数。根据定义，DataFrame是一个2D对象。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a Dictionary of series

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])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our object is:")

print df

print ("The dimension of the object is:")

print df.ndim
Python

执行上面示例代码，得到以下结果 -

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
Shell

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

import numpy as np

#Create a Dictionary of series

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])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our object is:")

print df

print ("The shape of the object is:")

print df.shape
Python

执行上面示例代码，得到以下结果 -

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)
Shell

size示例

返回DataFrame中的元素数。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a Dictionary of series

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])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our object is:")

print df

print ("The total number of elements in our object is:")

print df.size
Python

执行上面示例代码，得到以下结果 -

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
Shell

values示例

将DataFrame中的实际数据作为NDarray返回。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a Dictionary of series

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])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our object is:")

print df

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

print df.values
Python

执行上面示例代码，得到以下结果 -

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]]
Shell

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。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a Dictionary of series

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])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our data frame is:")

print df

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

print df.head(2)
Python

执行上面示例代码，得到以下结果 -

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
Shell

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

import numpy as np

#Create a Dictionary of series

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])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our data frame is:")

print df

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

print df.tail(2)
Python

执行上面示例代码，得到以下结果 -

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 last two rows of the data frame is:

    Age   Name    Rating

5   29    Minsu    4.6

6   23    Jack     3.8
Shell
 

Pandas基本功能的更多相关文章

  1. pandas小记：pandas高级功能

    http://blog.csdn.net/pipisorry/article/details/53486777 pandas高级功能:面板数据.字符串方法.分类.可视化. 面板数据 {pandas数据 ...

  2. Pandas基本功能详解

    Pandas基本功能详解 Pandas  Pandas基本功能详解 |轻松玩转Pandas(2) 参考:Pandas基本功能详解 |轻松玩转Pandas(2)

  3. Pandas基本功能之reindex重新索引

    重新索引 reindex重置索引,如果索引值不存在,就引入缺失值 参数介绍 参数 说明 index 用作索引的新序列 method 插值 fill_vlaue 引入缺失值时的替代NaN limit 最 ...

  4. python使用easyinstall安装xlrd、xlwt、pandas等功能模块的方法

    在日常工作中,使用Python时经常要引入一些集成好的第三方功能模块,如读写excel的xlrd和xlwt模块,以及数据分析常用的pandas模块等. 原生的python并不含这些模块,在使用这些功能 ...

  5. Pandas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 ...

  6. Pandas常用功能

    在使用Pandas之前,需要导入pandas库 import pandas  as pd #pd作为pandas的别名 常用功能如下: 代码 功能1 .DataFrame()   创建一个DataFr ...

  7. Pandas常用功能总结

    1.读取.csv文件 df2 = pd.read_csv('beijingsale.csv', encoding='gb2312',index_col='id',sep='\t',header=Non ...

  8. Pandas基本功能之层次化索引及层次化汇总

    层次化索引 层次化也就是在一个轴上拥有多个索引级别 Series的层次化索引 data=Series(np.random.randn(10),index=[ ['a','a','a','b','b', ...

  9. Pandas基本功能之算术运算、排序和排名

    算术运算和数据对齐 Series和DataFrame中行运算和列运算有种特征叫做广播 在将对象相加时,如果存在不同的索引对,则结果的索引就是该索引对的并集.自动的数据对齐操作在不重叠的索引处引入了NA ...

随机推荐

  1. 使用ShardingJdbc分表

    项目中做个统一订单的基础服务(只记录订单的基本的公共信息),1.便与后续各种其他业务的接入~ 2.同时APP端提供统一订单信息的查询入口,后续其他业务不用升级 由于统一的订单服务,所以订单量会很大,所 ...

  2. Android 使用 WebView

    package gzdewei.com.android; import android.app.Activity; import android.os.Bundle; import android.v ...

  3. python中counter()记数

    一:定义一个list数组,求数组中每个元素出现的次数 如果用Java来实现,是一个比较复杂的,需要遍历数组list. 但是Python很简单:看代码 a = [1,4,2,3,2,3,4,2] fro ...

  4. MySQL 如何利用一条语句实现类似于if-else条件语句的判断

    一. 编写一条update语句实现商品涨价,具体规则如下 1.99元以内,提价20% 2.100-999元之间,提价10% 3.1000-1999之间,提价5% 4.其他提价2% update goo ...

  5. log4j 日志相关

    1.log 打印异常信息 Logger logger = Logger.getLogger(LoggerTest.class);  //追踪产生此日志的类 Logger extends Categor ...

  6. 从库函数解析STM32地址映射

    STM32的存储映射是靠基地址和地址偏移实现的. 32位的M3有4GB的寻址空间,其中用于片上外设的有512MB,基地址为0x40000000. M3各外设基地址,包括片上外设.片上静态RAM和FLA ...

  7. 用python合并N个不同字符集编码的sql文件的实践

    背景:我有一项工作任务是将svn某文件夹日常更新的sql文件(归类到日期命名的文件夹中)拿到数据库中运行. 一開始,我是先把sql文件update下来,用notepad++打开,拷贝每个文本的sql语 ...

  8. Python3+Selenium3自动化测试-(四)

    selenium鼠标事件 # coding=utf-8 import time from selenium import webdriver from selenium.webdriver.commo ...

  9. （4.17）sql server中的uuid获取与使用

    sql server中的uuid  建表: 1.自增长 studentno int primary key identity(1,1)——bigint也是可以的 2.创建uuidcustomerid  ...

  10. macos没有任何来源怎么解决？

    打开终端,输入如下命令即可: sudo spctl --master-disable