文章目录

• 前言
• 一、基本操作
• • 1.导入库
  • 2.Series()数字序列
  • 3.date_range()连续日期序列
• 二、DataFrame运用
• • 1.引入库
  • 2.DataFrame()建表
  • 3.另一种建表

---

前言

　　这同样是我根据b站大佬莫烦的pandas库学习视频而整理的笔记，有时间可以前去观看 https://www.bilibili.com/video/BV1Ex411L7oT

一、基本操作

1.导入库

import numpy as np 
import pandas as pd

2.Series()数字序列

s = pd.Series([1, 3, 6, np.nan, 44, 1])
# 默认index从0开始
print(s)

结果显示：默认类型为float64

3.date_range()连续日期序列

dates = pd.date_range("20210124", periods=6)
# dates = pd.date_range('20210124','20210129') 等价 
print(dates)

结果显示：

二、DataFrame运用

1.引入库

import numpy as np 
import pandas as pd

2.DataFrame()建表

1）

"""
numpy.random.randn()是从标准正态分布中返回样本值。
随机样本位于[0, 1)中。
(6,4)表示6行4列数据
索引值为今日日期开始
列标签设置为a,b,c,d
"""
df = pd.DataFrame(np.random.randn(6, 4), index = dates, columns=["a", "b", "c", "d"])
print(df)

结果显示：

2）

# 未指定行、列标签
df1 = pd.DataFrame(np.arange(12).reshape((3, 4)))
print(df1)

结果显示：

3.另一种建表

1）建表

df2 = pd.DataFrame({
    'A': 1.,
    'B': pd.Timestamp("20130102"), # Timestamp() 时间戳函数 将字符转成时间格式
    'C': pd.Series(1, index=list(range(4)), dtype='float32'),
    'D': np.array([3] * 4, dtype='int32'),
    'E': pd.Categorical(["test", "train", "test", "train"]), # Categorical()分类变量
    'F': "foo"})
print(df2)

结果显示：

2）输出出类型

print(df2.dtypes)

结果显示：

3）输出行列索引

print(df2.index) # 行索引名
print("")
print(df2.columns) # 列索引名

结果显示：

4）输出值

print(df2.values) # 每行的值

结果显示：

5）输出数据总结

print(df2.describe()) # 只运算数字形式的值

结果显示：

6）输出转置(翻转)数据

print(df2.T) # 转置
# print(np.transpose(df2))等价

结果显示：

7）sort_index() 按索引排序

'''
axis=1表示行
axis=0表示列
默认ascending为True
ascending=True表示升序,ascending=False表示降序
'''
print(df2.sort_index(axis=1, ascending=False)) #列索引进行倒着排序

结果显示：

print(df2.sort_index(axis=0, ascending=False))

8）sort_values() 按值排序

print(df2.sort_values(by='E')) # 对E列的值进行排序

结果显示：

下一节介绍pandas中如何选择数据和设置值

标签：index,结果显示,笔记,df2,DataFrame,pd,print,基本操作,Pandas
来源： https://blog.csdn.net/qq_40680007/article/details/113351117