Pandas：修订间差异
跳到导航
跳到搜索
（创建页面，内容为“===Pandas 简介=== Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。Pandas 库基于 NumPy 库（提供高性能的矩阵运算）开发而来，可以与之配合使用。Pandas 提供了两种数据结构，分别是 Series（一维数组结构）与 DataFrame（二维数组结构） ===Pandas 基础=== ====Series==== *Series 类似表格中的一个列（column），类似于一…”） |
|||
| （未显示同一用户的1个中间版本） | |||
| 第1行： | 第1行： | ||
Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。Pandas 库基于 NumPy 库（提供高性能的矩阵运算）开发而来，可以与之配合使用。Pandas 提供了两种数据结构，分别是 Series（一维数组结构）与 DataFrame（二维数组结构） | Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。Pandas 库基于 NumPy 库（提供高性能的矩阵运算）开发而来，可以与之配合使用。Pandas 提供了两种数据结构，分别是 Series（一维数组结构）与 DataFrame（二维数组结构） | ||
===Pandas 基础=== | ===Pandas 基础=== | ||
| 第10行： | 第9行： | ||
*DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。 | *DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。 | ||
*pandas.DataFrame( data, index, columns, dtype, copy) | *pandas.DataFrame( data, index, columns, dtype, copy) | ||
=====DataFrame===== | ===== DataFrame ===== | ||
*get column | *get column | ||
**df2.columns | **df2.columns | ||
| 第16行： | 第15行： | ||
*删除 Apple 列值为空的行 | *删除 Apple 列值为空的行 | ||
**df1.dropna(subset=['Apple']) | **df1.dropna(subset=['Apple']) | ||
===== List ===== | |||
--> DataFrame | |||
list1 = ["a", "b", "c"] | |||
df1 = pd.DataFrame(list1, columns=["val"]) | |||
<-- DataFrame | |||
list1 = df1['val'].tolist() | |||
[[分类:Develop]] | [[分类:Develop]] | ||
[[分类:Python]] | [[分类:Python]] | ||
[[分类:Pandas]] | [[分类:Pandas]] | ||
2024年7月15日 (一) 15:07的最新版本
Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。Pandas 库基于 NumPy 库（提供高性能的矩阵运算）开发而来，可以与之配合使用。Pandas 提供了两种数据结构，分别是 Series（一维数组结构）与 DataFrame（二维数组结构）
Pandas 基础
Series
- Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。
- Series 由索引（index）和列组成，函数如下：
- pandas.Series( data, index, dtype, name, copy)
DataFrame
- 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、布尔型值）。
- DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。
- pandas.DataFrame( data, index, columns, dtype, copy)
DataFrame
- get column
- df2.columns
- df2.columns[0]
- 删除 Apple 列值为空的行
- df1.dropna(subset=['Apple'])
List
--> DataFrame list1 = ["a", "b", "c"] df1 = pd.DataFrame(list1, columns=["val"]) <-- DataFrame list1 = df1['val'].tolist()