Pandas DataFrame的基本属性详解 |
您所在的位置：网站首页 › python中参数函数有哪些 › Pandas DataFrame的基本属性详解 |
Pandas DataFrame的基本属性详解
|
注：以下代码均在Jupyter中运行的。 基本功能列表import pandas as pd 导入库 df = pd.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False) 创建一个DataFrame 代码功能DataFrame()创建一个DataFrame对象df.values返回ndarray类型的对象df.iloc[ 行序,列序 ]按序值返回元素df.loc[ 行索引,列索引 ]按索引返回元素df.index获取行索引df.columns获取列索引df.axes获取行及列索引df.T行与列对调df. info()打印DataFrame对象的信息df.head(i)显示前 i 行数据df.tail(i)显示后 i 行数据df.describe()查看数据按列的统计信息 创建一个DataFrameDataFrame()函数的参数index的值相当于行索引，若不手动赋值，将默认从0开始分配。columns的值相当于列索引，若不手动赋值，也将默认从0开始分配。 data = { '性别':['男','女','女','男','男'], '姓名':['小明','小红','小芳','大黑','张三'], '年龄':[20,21,25,24,29]} df = pd.DataFrame(data,index=['one','two','three','four','five'], columns=['姓名','性别','年龄','职业']) df运行结果： ndarray类型即numpy的 N 维数组对象,通常将DataFrame类型的数据转换为ndarray类型的比较方便操作。如对DataFrame类型进行切片操作需要df.iloc[ : , 1:3]这种形式，对数组类型直接X[ : , 1:3]即可。 X = df.values print(type(X)) #显示数据类型 X运行结果： [['小明' '男' 20 nan] ['小红' '女' 21 nan] ['小芳' '女' 25 nan] ['大黑' '男' 24 nan] ['张三' '男' 29 nan]] df.iloc[ 行序,列序 ] 按序值返回元素 df.iloc[1,1]运行结果： Index(['one', 'two', 'three', 'four', 'five'], dtype='object') df.loc[ 行索引,列索引 ] 按索引返回元素 df.loc['one','性别']运行结果： 男 df.index 获取行索引 df.index运行结果： Index(['one', 'two', 'three', 'four', 'five'], dtype='object') df.columns 获取列索引 df.columns运行结果： Index(['姓名', '性别', '年龄', '职业'], dtype='object') df.axes 获取行及列索引 df.axes运行结果： [Index(['one', 'two', 'three', 'four', 'five'], dtype='object'), Index(['姓名', '性别', '年龄', '职业'], dtype='object')] df.T index 与 columns 对调 df.T运行结果： 运行结果： Index: 5 entries, one to five Data columns (total 4 columns): 姓名 5 non-null object 性别 5 non-null object 年龄 5 non-null int64 职业 0 non-null object dtypes: int64(1), object(3) memory usage: 200.0+ bytes df.head(i) 显示前 i 行数据 df.head(2)运行结果： 运行结果： 可显示数据的数量、缺失值、最小最大数、平均值、分位数等信息 年龄 count 5.000000 mean 23.800000 std 3.563706 min 20.000000 25% 21.000000 50% 24.000000 75% 25.000000 max 29.000000 |
若想要显示前几列数据，可用df.T.head(i)
【本文地址】
今日新闻 |
推荐新闻 |