没有合适的资源？快使用搜索试试~ 我知道了~

文库首页后端Pythonpandas教程

pandas教程

需积分: 50 97 下载量 47 浏览量 2018-10-16 16:37:33 上传评论 3 收藏 310KB PDF 举报

温馨提示

试读

51页

pandas教程，详细的介绍的pandas的使用办法，以及调用api函数

资源推荐

资源详情

资源评论

这是对 pandas 的简短介绍，主要面向新用户。您可以在 Cookbook 中查看更复杂的手册

通常，我们导入如下：

In [1]: import pandas as pd

In [2]: import numpy as np

In [3]: import matplotlib.pyplot as plt

创建对象

请参见 Data Structure Intro section

通过列表创建 Series，让 pandas 创建一个默认整数索引：

In [4]: s = pd.Series([1,3,5,np.nan,6,8])

In [5]: s

Out[5]:

0 1.0

1 3.0

2 5.0

3 NaN

4 6.0

5 8.0

dtype: float64

通过传递 numpy 数组，使用 datetime 索引和标记的列来创建 DataFrame：

In [6]: dates = pd.date_range('20130101', periods=6)

In [7]: dates

Out[7]:

DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',

'2013-01-05', '2013-01-06'],

dtype='datetime64[ns]', freq='D')

In [8]: df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))

In [9]: df

Out[9]:

A B C D

2013-01-01 0.469112 -0.282863 -1.509059 -1.135632

2013-01-02 1.212112 -0.173215 0.119209 -1.044236

2013-01-03 -0.861849 -2.104569 -0.494929 1.071804

2013-01-04 0.721555 -0.706771 -1.039575 0.271860

2013-01-05 -0.424972 0.567020 0.276232 -1.087401

2013-01-06 -0.673690 0.113648 -1.478427 0.524988

通过传递可以转换为类系列的对象的 dict 来创建 DataFrame。

In [10]: df2 = pd.DataFrame({ 'A' : 1.,

....: 'B' : pd.Timestamp('20130102'),

....: 'C' : pd.Series(1,index=list(range(4)),dtype='float32'),

....: 'D' : np.array([3] * 4,dtype='int32'),

....: 'E' : pd.Categorical(["test","train","test","train"]),

....: 'F' : 'foo' })

....:

In [11]: df2

Out[11]:

A B C D E F

0 1.0 2013-01-02 1.0 3 test foo

1 1.0 2013-01-02 1.0 3 train foo

2 1.0 2013-01-02 1.0 3 test foo

3 1.0 2013-01-02 1.0 3 train foo

具有特定 dtypes

In [12]: df2.dtypes

Out[12]:

A float64

B datetime64[ns]

C float32

D int32

E category

F object

dtype: object

如果使用 IPython，则会自动启用列名称（以及公共属性）的制表符完成。这里是将要完成的属性的一个子集：

In [13]: df2.<TAB>

df2.A df2.boxplot

df2.abs df2.C

df2.add df2.clip

df2.add_prefix df2.clip_lower

df2.add_suffix df2.clip_upper

df2.align df2.columns

df2.all df2.combine

df2.any df2.combineAdd

df2.append df2.combine_first

df2.apply df2.combineMult

df2.applymap df2.compound

df2.as_blocks df2.consolidate

df2.asfreq df2.convert_objects

df2.as_matrix df2.copy

df2.astype df2.corr

df2.at df2.corrwith

df2.at_time df2.count

df2.axes df2.cov

df2.B df2.cummax

df2.between_time df2.cummin

df2.bfill df2.cumprod

df2.blocks df2.cumsum

df2.bool df2.D

正如您所看到的，A，B，C 和 DE 也是；为了简洁，其余的属性已被截断。

浏览数据

请参阅 Basics section

查看数据框的头部和尾部数据

In [14]: df.head()

Out[14]:

A B C D

2013-01-01 0.469112 -0.282863 -1.509059 -1.135632

2013-01-02 1.212112 -0.173215 0.119209 -1.044236

2013-01-03 -0.861849 -2.104569 -0.494929 1.071804

2013-01-04 0.721555 -0.706771 -1.039575 0.271860

2013-01-05 -0.424972 0.567020 0.276232 -1.087401

剩余50页未读，继续阅读

评论收藏

内容反馈

资源评论

资源反馈

评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~

x_uhen

粉丝: 191
资源: 193

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

前往需求广场，查看用户热搜

pandas教程

learning pandas

【整理】pandas教程

pandas中文教程

1.Pandas 教程 _ 菜鸟.pdf

十分钟搞定pandas

pandas官网教程pdf

pandas中文教程下载

python数据分析pandas教程

TutorialsPoint Pandas 教程

Pandas 官方教程

10分钟pandas教程

使用pandas

Pandas 基础

python菜鸟教程

Python数据分析库--Pandas视频教程.rar

十分钟搞定pandas(入门教程)

Python-Pandas强大的Python数据分析工具

Pandas教程(cookbook)

python下数据分析库pandas简明教程

python数据分析pandas快速入门教程.pdf

pandas 中文手册

pandas入门实践教程--二十分钟轻松搞定

pandas模块的常用

如何用Python处理Excel？Pandas视频教程&官方文档来啦~-附件资源

pandas_dataframe入门教程

最新资源