pandas最快入门(一）

pandas读取文件

读取csv文件

import pandas as pd

#读取csv文件
fpath="test.csv"
df=pd.read_csv(fpath,encoding='gbk')

#查看前几行
df.head()

	编号	操作方式	催化剂总质量（mg）	HAP:Co/SiO2	Co/SiO2（wt%）	乙醇浓度（ml/min）	温度	乙醇转化率（%）	乙烯选择性（%）	C4烯烃选择性（%）	乙醛选择性（%）	碳数为4-12脂肪醇选择性（%）	甲基苯甲醛和甲基苯甲醇选择性（%）	其他生成物的选择性（%）	C4烯烃收率（乙醇转化率*C4烯烃选择性）
0	1	1	400	1.0	1.0	1.68	250	2.07	1.17	34.05	2.41	52.59	0.00	9.78	0.703871
1	1	1	400	1.0	1.0	1.68	275	5.85	1.63	37.43	1.42	53.21	0.00	6.31	2.190299
2	1	1	400	1.0	1.0	1.68	300	14.97	3.02	46.94	4.71	35.16	1.00	9.17	7.026398
3	1	1	400	1.0	1.0	1.68	325	19.68	7.97	49.70	14.69	15.16	2.13	10.35	9.781635
4	1	1	400	1.0	1.0	1.68	350	36.80	12.46	47.21	18.66	9.22	1.69	10.76	17.373760

#查看形状
df.shape

(114, 15)

#查看属性
df.columns

Index(['编号', '操作方式', '催化剂总质量（mg）', 'HAP:Co/SiO2', 'Co/SiO2（wt%）',
       '乙醇浓度（ml/min）', '温度', '乙醇转化率（%）', '乙烯选择性（%）', 'C4烯烃选择性（%）', '乙醛选择性（%）',
       '碳数为4-12脂肪醇选择性（%）', '甲基苯甲醛和甲基苯甲醇选择性（%）', '其他生成物的选择性（%）',
       'C4烯烃收率（乙醇转化率*C4烯烃选择性）'],
      dtype='object')

#查看索引
df.index

RangeIndex(start=0, stop=114, step=1)

读取txt文件

#当header=None即没有标题时可以手动指定names=
fpath='book.txt'
df=pd.read_csv(fpath,
              sep="\t",
              #header=True,
              #names=['x','y','z']
              )

df

	序号 书名 分类
0	1 HTML5+CSS3+JavaScript从入门到精通（标准版） ...
1	2 JavaWeb项目开发实战入门（全彩版） ...
2	3 案例学WEB前端开发 ...
3	4 一看就停不下来的中国史 ...
4	5 显微镜下的大明 ...
5	​ ...

读取excel文件

fpath='test.xlsx'
df=pd.read_excel(fpath)

df.head()

	编号	操作方式	催化剂总质量（mg）	HAP:Co/SiO2	Co/SiO2（wt%）	乙醇浓度（ml/min）	温度	乙醇转化率（%）	乙烯选择性（%）	C4烯烃选择性（%）	乙醛选择性（%）	碳数为4-12脂肪醇选择性（%）	甲基苯甲醛和甲基苯甲醇选择性（%）	其他生成物的选择性（%）	C4烯烃收率（乙醇转化率*C4烯烃选择性）
0	1	1	400	1.0	1.0	1.68	250	2.067169	1.17	34.05	2.41	52.59	0.00	9.78	0.703871
1	1	1	400	1.0	1.0	1.68	275	5.851721	1.63	37.43	1.42	53.21	0.00	6.31	2.190299
2	1	1	400	1.0	1.0	1.68	300	14.968891	3.02	46.94	4.71	35.16	1.00	9.17	7.026398
3	1	1	400	1.0	1.0	1.68	325	19.681359	7.97	49.70	14.69	15.16	2.13	10.35	9.781635
4	1	1	400	1.0	1.0	1.68	350	36.801017	12.46	47.21	18.66	9.22	1.69	10.76	17.373760

读取mysql表

#此处只给出范例，请连接自己的数据库再使用
import pymssql
#连接信息
con=pymssql.connect(host='127.0.0.1',
                   user='root',
                   password='1234567',
                   database='test',
                   charset='utf-8'
                   )

#sql语句+连接信息
df=pd.read_sql("select * from teaches",con=con)

df.head()

panda数据结构

DataFrame:二维数据，整个表格，部分矩表二维表格也是DataFrame

Series:一维数据，行或者列，部分行列也是Series

列表创建series

s1=pd.Series([1,'a',5.2,7],
            index=['b','c','d','e'])

s1

b      1
c      a
d    5.2
e      7
dtype: object

s1.index

Index(['b', 'c', 'd', 'e'], dtype='object')

字典创建series

#使用字典方式创建，可以使用字典方式访问
dict={'a':1,
     'b':2,
      'c':3,
      'd':4}

s=pd.Series(dict)

s

a    1
b    2
c    3
d    4
dtype: int64

print(s['a'])
print(type(s['a']))
print(s[['a','b']])
print(type(s[['a','b']]))

1
<class 'numpy.int64'>
a    1
b    2
dtype: int64
<class 'pandas.core.series.Series'>

多个字典创建DataFrame

dict={'a':[1,9,1],
     'b':[2,1,7],
      'c':[1,2,5],
      'd':[6,3,0]}

df=pd.DataFrame(dict)

df

	a	b	c	d
0	1	2	1	6
1	9	1	2	3
2	1	7	5	0

df.columns

Index(['a', 'b', 'c', 'd'], dtype='object')

df.index

RangeIndex(start=0, stop=3, step=1)

df.dtypes

a    int64
b    int64
c    int64
d    int64
dtype: object

DataFrame中查询Series

#查询单列是Series
df['a']

0    1
1    9
2    1
Name: a, dtype: int64

#查询多列（行）也是DataFrame
df[['a','d']]

	a	d
0	1	6
1	9	3
2	1	0

#查询一行
df.loc[1]

a    9
b    1
c    2
d    3
Name: 1, dtype: int64

#查询多行
df.loc[1:3]

	a	b	c	d
1	9	1	2	3
2	1	7	5	0

源代码和相应数据下载请点击 https://github.com/MiaoChenglin125/Data-Acquisition/tree/master/pandas%E6%93%8D%E4%BD%9C

标签：入门,df,最快,选择性,int64,pd,dtype,pandas,C4
来源： https://blog.csdn.net/m0_48856561/article/details/120576479