DataFrame的常用操作有哪些，你知道几个？
发布时间：2022-03-29 13:50:11 所属栏目：语言 来源：互联网
导读：DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值，字符串，布尔值等等）。本文给大家介绍的就是Python中，DataFrame的常用操作，小编觉得是比较实用的，下面我们一起来看看。 一. 查看DataFrame的常用属性 DataFrame基
|
DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值，字符串，布尔值等等）。本文给大家介绍的就是Python中，DataFrame的常用操作，小编觉得是比较实用的，下面我们一起来看看。 一. 查看DataFrame的常用属性 DataFrame基础属性有：values(元素)、index(索引)、columns(列名) 、dtypes(类型)、size(元素个数)、ndim(维度数)和 shape(形状大小尺寸),还有使用T属性 进行转置 import pandas as pd detail=pd.read_excel('E:datameal_order_detail.xlsx') #读取数据，使用read_excel 函数调用 # print(detail) print("索引",detail.index) print("所以 值 ：",detail.values) print("所以列名：",detail.columns) print("数据类型：",detail.dtypes) print("元素个数：",detail.size) print("维度：",detail.ndim) print("形状大小 尺寸：",detail.shape) #使用T属性 进行转置 print("转置前的形状：",detail.shape)数据 print("转置后的形状：",detail.T.shape) 二. 查改增删DataFrame数据 查看访问DataFramezhon'的数据 （1.1）DataFrame数据的基本查看方式 #使用字典访问方式 order_id=detail['order_id'] print("订单详情表的order_id的形状：",order_id.shape) #使用访问属性的方式 dishes_name=detail.dishes_name print("订单详情表中的dishes_name的形状：",dishes_name.shape) #DataFrame 单列多行的数据获取 dishes_name5=detail['dishes_name'][:5] print(dishes_name5) #多列多行数据 orderDish=detail[['order_id','dishes_name']][:5] print(orderDish) #访问多行数据 order5=detail[:][1:6] print("订单详情表中的1~6行元素的数据：n",order5) #使用DataFrame的head和tail方法获取多行数据 print('订单详情表中前5行数据：n',detail.head())#head()里面没有参数的话，默认为5行 print('订单详情表中后5行数据：n',detail.tail()) #tail()里面没有参数的话，默认为5行 (1.2) .DataFrame的loc和iloc访问方式; dishes_name1=detail.loc[:,'dishes_name'] #DataFrame.loc[行索引名称或条件,列索引名称] print("使用loc提取dishes_name列的size：",dishes_name1.size) dishes_name2=detail.iloc[:,3] #DataFrame.iloc[行索引位置,列索引位置] print("使用iloc提取第3列的size：",dishes_name2.size) #使用loc、iloc 实现多列切片 orderDish1=detail.loc[:,['order_id','dishes_name']] print(orderDish1.size) orderDish2=detail.iloc[:,[1,3]] print(orderDish2.size) #使用loc、iloc 实现花式切片 print("列名为order_id和dishes_name 的行名为3的数据：n",detail.loc[3,['order_id','dishes_name']]) print('列名为order_id和dishes_name 行名为2、3、4、5、6的数据为：n',detail.loc[2:6,['order_id','dishes_name']]) print('列名1和3，行位置为3的数据为：n',detail.iloc[3,[1,3]]) #这里为什么不可以loc函数， #因为loc函数传入的是列索引的名称（或行的名称或条件），而iloc传入的是位置 print('列位置为1和3，行位置为2，3，4，5，6的数据和：n',detail.iloc[2:7,[1,3]])#这里是位置索引，7是取不到的 #使用loc和iloc函数实现条件切片 print('detail中order_id为458的dishes_name为：n',detail.loc[detail['order_id']==458,['order_id','dishes_name']]) #使用了loc print("detail中order_id为458 的第1、5列的数据为：n",detail.iloc[(detail['order_id']==458).values,[1,5]])#values 获取元素 #使用iloc函数 (1.3).ix切片方法 #使用loc、iloc、ix 实现切片 比较（DataFrame.ix[行的索引或位置或条件,列索引名称和位置]） print('列名为dishes_name行名为2，3，4，5，6的数据为：n',detail.loc[2:6,['dishes_name']]) print('列位置为5行名为2~6的数据为：n',detail.iloc[2:6,5]) print('列位置为5行名为2~6的数据为：n',detail.ix[2:6,5]) 2.更改DataFame中的数据 #将order_id为458 的改成 45800 detail.loc[detail['order_id']==458,'order_id'] = 45800 #45800 这里 没有单引号的 print('更改后detail中的order_id为 458 的：n',detail.loc[detail['order_id']==458,'order_id']) print('更改后detail中的order_id为 45800 的：n',detail.loc[detail['order_id']==45800,'order_id']) detail.loc[detail['order_id']==45800,'order_id'] = 458 3.为DataFrame增添数据 #新增一列非定值 detail['payment']=detail['counts']*detail['amounts'] print('detail新增列payment的前5行数据为：n',detail['payment'].head()) #新增一列定值 detail['pay_way']='现金支付' print('detail新增列的前5行的数据为：n',detail['pay_way'].head()) ``4.删除某行或某列的数据(drop) #删除某列 print('删除pay_way前 detail中的列索引为：n',detail.columns) detail.drop(labels='pay_way',axis=1,inplace=True) print('删除pay_way后 detail中的列索引为：n',detail.columns) #删除某几行 print('删除1~10行 前 detail的长度：',len(detail)) detail.drop(labels=range(1,11),axis=0,inplace=True) print('删除1~10行 后 detail的长度：',len(detail)) 三. 描述分析DataFrame数据 1.数值特征的描述性统计 describe（）函数描述性统计 2.类别类特征的描述性统计 object类型，categroy类型 （编辑：唐山站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
