Pandas是Python中最流行的數(shù)據(jù)分析和處理工具之一，它提供了一個(gè)名為DataFrame的數(shù)據(jù)結(jié)構(gòu)，可以被認(rèn)為是一個(gè)二維表格或電子表格，其中包含行和列。在本文中，我們將深入探討Pandas中DataFrame的各種常用的用法，包括創(chuàng)建DataFrame、選擇數(shù)據(jù)、修改數(shù)據(jù)、數(shù)據(jù)排序、數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)合并、數(shù)據(jù)分組和數(shù)據(jù)透視表等。

1.創(chuàng)建DataFrame

要?jiǎng)?chuàng)建DataFrame，可以使用Pandas中的DataFrame()函數(shù)。下面是一個(gè)例子：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 32, 18, 47],
        'gender': ['F', 'M', 'M', 'M']}

df = pd.DataFrame(data)
print(df)

輸出：

       name  age gender
0     Alice   25      F
1       Bob   32      M
2   Charlie   18      M
3     David   47      M

2.選擇數(shù)據(jù)

在DataFrame中選擇數(shù)據(jù)有幾種方法?？梢允褂胠oc[]和iloc[]函數(shù)，也可以使用布爾索引。下面是一些例子：

# 使用loc[]函數(shù)選擇數(shù)據(jù)
print(df.loc[0])          # 選擇第一行
print(df.loc[0:2])        # 選擇前三行
print(df.loc[0:2, 'name'])# 選擇前三行的name列

# 使用iloc[]函數(shù)選擇數(shù)據(jù)
print(df.iloc[0])         # 選擇第一行
print(df.iloc[0:2])       # 選擇前兩行
print(df.iloc[0:2, 0])    # 選擇前兩行的第一列

# 使用布爾索引選擇數(shù)據(jù)
print(df[df['age'] > 30]) # 選擇年齡大于30的行

3.修改數(shù)據(jù)

要修改DataFrame中的數(shù)據(jù)，可以使用loc[]或iloc[]函數(shù)。下面是一個(gè)例子：

# 修改數(shù)據(jù)
df.loc[0, 'age'] = 26
print(df)

# 添加新數(shù)據(jù)
df.loc[4] = ['Eve', 29, 'F']
print(df)

# 刪除數(shù)據(jù)
df = df.drop(4)
print(df)

4.數(shù)據(jù)排序

要對(duì)DataFrame中的數(shù)據(jù)進(jìn)行排序，可以使用sort_values()函數(shù)。下面是一個(gè)例子：

# 按年齡升序排序
df = df.sort_values('age')
print(df)

# 按年齡降序排序
df = df.sort_values('age', ascending=False)
print(df)

5.數(shù)據(jù)統(tǒng)計(jì)

要對(duì)DataFrame中的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，可以使用describe()函數(shù)和其他函數(shù)，例如mean()、median()和std()。下面是一個(gè)例子：

# 描述數(shù)據(jù)
print(df.describe())

# 計(jì)算平均年齡
print(df['age'].mean())

# 計(jì)算年齡中位數(shù)
print(df['age'].median())

# 計(jì)算年齡標(biāo)準(zhǔn)差
print(df['age'].std())

6.數(shù)據(jù)合并

要合并兩個(gè)DataFrame，可以使用concat()函數(shù)。下面是一個(gè)例子：

# 創(chuàng)建第二個(gè)DataFrame
data2 = {'name': ['Frank', 'Grace'],
         'age': [39, 28],
         'gender': ['M', 'F']}
df2 = pd.DataFrame(data2)

# 合并兩個(gè)DataFrame
df = pd.concat([df, df2])
print(df)

7.數(shù)據(jù)分組

要按某些標(biāo)準(zhǔn)對(duì)DataFrame中的數(shù)據(jù)進(jìn)行分組，可以使用groupby()函數(shù)。下面是一個(gè)例子：

# 按性別分組并計(jì)算平均年齡
print(df.groupby('gender')['age'].mean())

8.數(shù)據(jù)透視表

要?jiǎng)?chuàng)建數(shù)據(jù)透視表，可以使用pivot_table()函數(shù)。下面是一個(gè)例子：

# 創(chuàng)建數(shù)據(jù)透視表
print(pd.pivot_table(df, values='age', index='gender', columns='name'))

到此這篇關(guān)于Pandas中DataFrame的常用用法分享的文章就介紹到這了,更多相關(guān)Pandas DataFrame內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論