pandas.DataFrame 基本技巧head / tail / .T：数据查看、转置del / drop：删除对齐排序.sort_values：按值排序.sort_index：索引排序
head / tail / .T：数据查看、转置
import numpy
import pandas
df = pandas.DataFrame(numpy.random.rand(16).reshape(8,2),
columns = ["a","b"])
# 默认查看5条
print(df.head(2)) # .head()查看头部数据
print(df.tail()) # .tail()查看尾
在Python数据分析领域，pandas库中的DataFrame是处理二维表格数据的核心工具。本篇文章将深入探讨DataFrame的一些基本技巧，包括数据查看、转置、删除、对齐排序等操作。
我们来看数据查看的方法。`head()`函数用于查看DataFrame的前几行，默认显示前5行，可以通过参数指定显示行数，例如`df.head(2)`会显示前2行。而`tail()`函数则用于查看DataFrame的最后几行，没有指定参数时默认显示最后5行。`.T`属性则是用来转置DataFrame，即交换行和列，使行变为列，列变为行。
接下来是删除操作。使用`del`关键字可以直接删除DataFrame中的列，如`del df["a"]`会删除名为"a"的列。而`drop()`函数则更加灵活，可以删除行或列。例如，`df.drop(0)`会删除第一行，`df.drop(["d"], axis=1)`会删除名为"d"的列。注意，`drop()`函数的`inplace`参数，如果设置为`True`，操作会直接在原始DataFrame上进行，否则会返回一个新的DataFrame。
在DataFrame的对齐操作中，pandas会自动根据列名和索引进行对齐。当你将两个DataFrame相加或进行其他运算时，它们会自动调整大小和形状，以确保对应位置的数据进行操作。例如，`df1 + df2`会尝试将df2的列与df1对齐，如果列名相同则进行相加，否则结果中会出现NaN值。
排序是数据分析中常见的需求。`sort_values()`函数按DataFrame的值进行排序，可以对单列或多列进行操作。例如，`df.sort_values('a', ascending=False)`会按'a'列的值降序排列。`sort_index()`函数则是按DataFrame的索引进行排序，同样支持升序和降序，例如`df.sort_index(ascending=False)`。
pandas.DataFrame提供了丰富的功能来方便用户处理和分析数据。这些基本技巧是数据分析的基础，掌握它们能帮助你更高效地探索和理解数据。无论是查看数据、进行数据清理还是进行复杂的数据操作，pandas DataFrame都能提供强大的支持。在实际工作中，结合numpy和其他相关库，你可以构建出强大的数据分析流程。
- 1
- 2
前往页