没有合适的资源?快使用搜索试试~ 我知道了~
【pandas学习笔记(一)】pandas基本使用
0 下载量 199 浏览量
2020-12-21
21:37:52
上传
评论
收藏 73KB PDF 举报
温馨提示
试读
4页
pandas简介 pandas是一个基于numpy的数据处理库,其主要的用途为数据分析及其处理,特别是序列及表格数据 引入pandas库 >>> import numpy as np >>> import pandas as pd pandas库经常与numpy库一起配合使用 创建序列 创建序列的方法主要有三种:创建一维数组,创建字典以及提取DataFrame中的某一列 我们先来看第一种方法,通过一维数组创建序列: >>> arr1 = np.array([1,3,2,5,6,10,7]) >>> s1 =pd.Series(arr1) >>> print(s1) 输出结果为: 0
资源详情
资源评论
资源推荐
【【pandas学习笔记学习笔记(一一)】】pandas基本使用基本使用
pandas简介简介
pandas是一个基于numpy的数据处理库,其主要的用途为数据分析及其处理,特别是序列及表格数据
引入引入pandas库库
>>> import numpy as np
>>> import pandas as pd
pandas库经常与numpy库一起配合使用
创建序列创建序列
创建序列的方法主要有三种:创建一维数组,创建字典以及提取DataFrame中的某一列
我们先来看第一种方法,通过一维数组创建序列:
>>> arr1 = np.array([1,3,2,5,6,10,7])
>>> s1 =pd.Series(arr1)
>>> print(s1)
输出结果为:
0 1
1 3
2 2
3 5
4 6
5 10
6 7
dtype: int32
第二种方法,通过字典创建序列:
>>> dic1 = {'高數成績':90,'綫代成績':85,'外語成績':80,'工圖成績':86}
>>> s2 = pd.Series(dic1)
>>> print(s2)
输出结果为:
高數成績 90
綫代成績 85
外語成績 80
工圖成績 86
dtype: int64
第三种方法在后面将与DataFrame创建并结合实例讲解
小结:不管是通过数组还是通过字典创建Series,都要用Series方法将数据转化为Series,其格式为
pd.Series(arr)
# 或者是
pd.Series(dic)
# 其中,arr代表一維數組,dic代表字典
DataFrame创建创建
创建DataFrame主要也是有两种方式:二维数组及字典,本文所讲解的实例中,将使用字典的方式创建DataFrame
在这里将略带过下通过二维数组创建DataFrame:
# 假設arr_2D為二維數組
df = pd.DataFrame(arr_2D)
输出的结果中,标签(横着的属性)及索引(竖着的属性)都是自然数(0,1,2,3…)
我们在开始介绍第二种方法前,我先简要介绍下我们的将要引入的实例:
G7全称为七国集团,是一个由世界七大发达经济体所组成的国际组织,其成员国分别为美国、加拿大、英国、法国、德国、
意大利及日本。下面,我们将各个成员国的面积,人口,国内生产总值(GDP),基尼系数,人类发展指数以及其使用的货币创
建为DataFrame,并在此DataFrame的基础上进行讲解
首先,我们先创建一个嵌套字典
weixin_38679277
- 粉丝: 6
- 资源: 910
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0