CSDN 課程推薦:《Python 數據分析與挖掘》,講師劉順祥,浙江工商大學統計學碩士,數據分析師,曾擔任唯品會大數據部擔任數據分析師一職,負責支付環節的數據分析業務。曾與聯想、亨氏、網魚網咖等企業合作多個企業級項目。
文章目錄
這裏是一段防爬蟲文本,請讀者忽略。
本文原創首發於 CSDN,作者 TRHX。
博客首頁:https://itrhx.blog.csdn.net/
本文鏈接:https://itrhx.blog.csdn.net/article/details/106676693
未經授權,禁止轉載!惡意轉載,後果自負!尊重原創,遠離剽竊!
【01x00】瞭解 Pandas
Pandas 是 Python 的一個數據分析包,是基於 NumPy 構建的,最初由 AQR Capital Management 於 2008 年 4 月開發,並於 2009 年底開源出來,目前由專注於 Python 數據包開發的 PyData 開發團隊繼續開發和維護,屬於 PyData 項目的一部分。
Pandas 最初被作爲金融數據分析工具而開發出來,因此,Pandas 爲時間序列分析提供了很好的支持。Pandas 的名稱來自於面板數據(panel data)和 Python 數據分析(data analysis)。panel data 是經濟學中關於多維數據集的一個術語,在 Pandas 中也提供了 panel 的數據類型。
Pandas 經常和其它工具一同使用,如數值計算工具 NumPy 和 SciPy,分析庫 statsmodels 和 scikit-learn,數據可視化庫 Matplotlib 等,雖然 Pandas 採用了大量的 NumPy 編碼風格,但二者最大的不同是 Pandas 是專門爲處理表格和混雜數據設計的。而 NumPy 更適合處理統一的數值數組數據。
【以下對 Pandas 的解釋翻譯自官方文檔:https://pandas.pydata.org/docs/getting_started/overview.html#package-overview】
Pandas 是 Python 的核心數據分析支持庫,提供了快速、靈活、明確的數據結構,旨在簡單、直觀地處理關係型、標記型數據。Pandas 的目標是成爲 Python 數據分析實踐與實戰的必備高級工具,其長遠目標是成爲最強大、最靈活、可以支持任何語言的開源數據分析工具。經過多年不懈的努力,Pandas 離這個目標已經越來越近了。
Pandas 適用於處理以下類型的數據:
- 與 SQL 或 Excel 表類似的,含異構列的表格數據;
- 有序和無序(非固定頻率)的時間序列數據;
- 帶行列標籤的矩陣數據,包括同構或異構型數據;
- 任意其它形式的觀測、統計數據集, 數據轉入 Pandas 數據結構時不必事先標記。
Pandas 的主要數據結構是 Series(一維數據)與 DataFrame(二維數據),這兩種數據結構足以處理- 金融、統計、社會科學、工程等領域裏的大多數典型用例。對於 R 語言用戶,DataFrame 提供了比 R 語言 data.frame
更豐富的功能。Pandas 基於 NumPy 開發,可以與其它第三方科學計算支持庫完美集成。
Pandas 就像一把萬能瑞士軍刀,下面僅列出了它的部分優勢 :
- 處理浮點與非浮點數據裏的缺失數據,表示爲 NaN;
- 大小可變:插入或刪除 DataFrame 等多維對象的列;
- 自動、顯式數據對齊:顯式地將對象與一組標籤對齊,也可以忽略標籤,在 Series、DataFrame 計算時自動與數據對齊;
- 強大、靈活的分組(group by)功能:拆分-應用-組合數據集,聚合、轉換數據;
- 把 Python 和 NumPy 數據結構裏不規則、不同索引的數據輕鬆地轉換爲 DataFrame 對象;
- 基於智能標籤,對大型數據集進行切片、花式索引、子集分解等操作;
- 直觀地合併和連接數據集;
- 靈活地重塑和旋轉數據集;
- 軸支持分層標籤(每個刻度可能有多個標籤);
- 強大的 IO 工具,讀取平面文件(CSV 等支持分隔符的文件)、Excel 文件、數據庫等來源的數據,以及從超快 HDF5 格式保存 / 加載數據;
- 時間序列:支持日期範圍生成、頻率轉換、移動窗口統計、移動窗口線性迴歸、日期位移等時間序列功能。
這些功能主要是爲了解決其它編程語言、科研環境的痛點。處理數據一般分爲幾個階段:數據整理與清洗、數據分析與建模、數據可視化與製表,Pandas 是處理數據的理想工具。
其它說明:
- Pandas 速度很快。Pandas 的很多底層算法都用 Cython 優化過。然而,爲了保持通用性,必然要犧牲一些性能,如果專注某一功能,完全可以開發出比 Pandas 更快的專用工具。
- Pandas 是 statsmodels 的依賴項,因此,Pandas 也是 Python 中統計計算生態系統的重要組成部分。
- Pandas 已廣泛應用於金融領域。
【02x00】Pandas 數據結構
Pandas 的主要數據結構是 Series(帶標籤的一維同構數組)與 DataFrame(帶標籤的,大小可變的二維異構表格)。
Pandas 數據結構就像是低維數據的容器。比如,DataFrame 是 Series 的容器,Series 則是標量的容器。使用這種方式,可以在容器中以字典的形式插入或刪除對象。
此外,通用 API 函數的默認操作要顧及時間序列與截面數據集的方向。當使用 Ndarray 存儲二維或三維數據時,編寫函數要注意數據集的方向,這對用戶來說是一種負擔;如果不考慮 C 或 Fortran 中連續性對性能的影響,一般情況下,不同的軸在程序裏其實沒有什麼區別。Pandas 裏,軸的概念主要是爲了給數據賦予更直觀的語義,即用更恰當的方式表示數據集的方向。這樣做可以讓用戶編寫數據轉換函數時,少費點腦子。
處理 DataFrame 等表格數據時,對比 Numpy,index(行)或 columns(列)比 axis 0 和 axis 1 更直觀。用這種方式迭代 DataFrame 的列,代碼更易讀易懂:
for col in df.columns:
series = df[col]
# do something with series
【03x00】Series 對象
Series 是帶標籤的一維數組,可存儲整數、浮點數、字符串、Python 對象等類型的數據。軸標籤統稱爲索引。調用 pandas.Series 函數即可創建 Series,基本語法如下:
pandas.Series(data=None[, index=None, dtype=None, name=None, copy=False, fastpath=False])
參數 | 描述 |
---|---|
data | 數組類型,可迭代的,字典或標量值,存儲在序列中的數據 |
index | 索引(數據標籤),值必須是可哈希的,並且具有與數據相同的長度, 允許使用非唯一索引值。如果未提供,將默認爲RangeIndex(0,1,2,…,n) |
dtype | 輸出系列的數據類型。可選項,如果未指定,則將從數據中推斷,具體參考官網 dtypes 介紹 |
name | str 類型,可選項,給 Series 命名 |
copy | bool 類型,可選項,默認 False,是否複製輸入數據 |
【03x01】通過 list 構建 Series
一般情況下我們只會用到 data 和 index 參數,可以通過 list(列表) 構建 Series,示例如下:
>>> import pandas as pd
>>> obj = pd.Series([1, 5, -8, 2])
>>> obj
0 1
1 5
2 -8
3 2
dtype: int64
由於我們沒有爲數據指定索引,於是會自動創建一個 0 到 N-1(N 爲數據的長度)的整數型索引,左邊一列是自動創建的索引(index),右邊一列是數據(data)。
此外,還可以自定義索引(index):
>>> import pandas as pd
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj
a 1
b 5
c -8
d 2
dtype: int64
索引(index)也可以通過賦值的方式就地修改:
>>> import pandas as pd
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj
a 1
b 5
c -8
d 2
dtype: int64
>>> obj.index = ['Bob', 'Steve', 'Jeff', 'Ryan']
>>> obj
Bob 1
Steve 5
Jeff -8
Ryan 2
dtype: int64
【03x02】通過 dict 構建 Series
通過 字典(dict) 構建 Series,字典的鍵(key)會作爲索引(index),字典的值(value)會作爲數據(data),示例如下:
>>> import pandas as pd
>>> data = {'Beijing': 21530000, 'Shanghai': 24280000, 'Wuhan': 11210000, 'Zhejiang': 58500000}
>>> obj = pd.Series(data)
>>> obj
Beijing 21530000
Shanghai 24280000
Wuhan 11210000
Zhejiang 58500000
dtype: int64
如果你想按照某個特定的順序輸出結果,可以傳入排好序的字典的鍵以改變順序:
>>> import pandas as pd
>>> data = {'Beijing': 21530000, 'Shanghai': 24280000, 'Wuhan': 11210000, 'Zhejiang': 58500000}
>>> cities = ['Guangzhou', 'Wuhan', 'Zhejiang', 'Shanghai']
>>> obj = pd.Series(data, index=cities)
>>> obj
Guangzhou NaN
Wuhan 11210000.0
Zhejiang 58500000.0
Shanghai 24280000.0
dtype: float64
注意:data 爲字典,且未設置 index 參數時:
- 如果 Python >= 3.6 且 Pandas >= 0.23,Series 按字典的插入順序排序索引。
- 如果 Python < 3.6 或 Pandas < 0.23,Series 按字母順序排序索引。
【03x03】獲取其數據和索引
我們可以通過 Series 的 values 和 index 屬性獲取其數據和索引對象:
>>> import pandas as pd
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj.values
array([ 1, 5, -8, 2], dtype=int64)
>>> obj.index
Index(['a', 'b', 'c', 'd'], dtype='object')
【03x04】通過索引獲取數據
與普通 NumPy 數組相比,Pandas 可以通過索引的方式選取 Series 中的單個或一組值,獲取一組值時,傳入的是一個列表,列表中的元素是索引值,另外還可以通過索引來修改其對應的值:
>>> import pandas as pd
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj
a 1
b 5
c -8
d 2
dtype: int64
>>> obj['a']
1
>>> obj['a'] = 3
>>> obj[['a', 'b', 'c']]
a 3
b 5
c -8
dtype: int64
【03x05】使用函數運算
在 Pandas 中可以使用 NumPy 函數或類似 NumPy 的運算(如根據布爾型數組進行過濾、標量乘法、應用數學函數等):
>>> import pandas as pd
>>> import numpy as np
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj[obj > 0]
a 1
b 5
d 2
dtype: int64
>>> obj * 2
a 2
b 10
c -16
d 4
dtype: int64
>>> np.exp(obj)
a 2.718282
b 148.413159
c 0.000335
d 7.389056
dtype: float64
除了這些運算函數以外,還可以將 Series 看成是一個定長的有序字典,因爲它是索引值到數據值的一個映射。它可以用在許多原本需要字典參數的函數中:
>>> import pandas as pd
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> 'a' in obj
True
>>> 'e' in obj
False
和 NumPy 類似,Pandas 中也有 NaN(即非數字,not a number),在 Pandas 中,它用於表示缺失值,Pandas 的 isnull 和 notnull 函數可用於檢測缺失數據:
>>> import pandas as pd
>>> import numpy as np
>>> obj = pd.Series([np.NaN, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj
a NaN
b 5.0
c -8.0
d 2.0
dtype: float64
>>> pd.isnull(obj)
a True
b False
c False
d False
dtype: bool
>>> pd.notnull(obj)
a False
b True
c True
d True
dtype: bool
>>> obj.isnull()
a True
b False
c False
d False
dtype: bool
>>> obj.notnull()
a False
b True
c True
d True
dtype: bool
【03x06】name 屬性
可以在 pandas.Series
方法中爲 Series 對象指定一個 name:
>>> import pandas as pd
>>> data = {'Beijing': 21530000, 'Shanghai': 24280000, 'Wuhan': 11210000, 'Zhejiang': 58500000}
>>> obj = pd.Series(data, name='population')
>>> obj
Beijing 21530000
Shanghai 24280000
Wuhan 11210000
Zhejiang 58500000
Name: population, dtype: int64
也可以通過 name 和 index.name 屬性爲 Series 對象和其索引指定 name:
>>> import pandas as pd
>>> data = {'Beijing': 21530000, 'Shanghai': 24280000, 'Wuhan': 11210000, 'Zhejiang': 58500000}
>>> obj = pd.Series(data)
>>> obj.name = 'population'
>>> obj.index.name = 'cities'
>>> obj
cities
Beijing 21530000
Shanghai 24280000
Wuhan 11210000
Zhejiang 58500000
Name: population, dtype: int64
這裏是一段防爬蟲文本,請讀者忽略。
本文原創首發於 CSDN,作者 TRHX。
博客首頁:https://itrhx.blog.csdn.net/
本文鏈接:https://itrhx.blog.csdn.net/article/details/106676693
未經授權,禁止轉載!惡意轉載,後果自負!尊重原創,遠離剽竊!
【04x00】DataFrame 對象
DataFrame 是一個表格型的數據結構,它含有一組有序的列,每列可以是不同的值類型(數值、字符串、布爾值等)。DataFrame 既有行索引也有列索引,它可以被看做由 Series 組成的字典(共用同一個索引)。DataFrame 中的數據是以一個或多個二維塊存放的(而不是列表、字典或別的一維數據結構)。
- 類似多維數組/表格數據 (如Excel、R 語言中的 data.frame);
- 每列數據可以是不同的類型;
- 索引包括列索引和行索引
基本語法如下:
pandas.DataFrame(data=None, index: Optional[Collection] = None, columns: Optional[Collection] = None, dtype: Union[str, numpy.dtype, ExtensionDtype, None] = None, copy: bool = False)
參數 | 描述 |
---|---|
data | ndarray 對象(結構化或同類的)、可迭代的或者字典形式,存儲在序列中的數據 |
index | 數組類型,索引(數據標籤),如果未提供,將默認爲 RangeIndex(0,1,2,…,n) |
columns | 列標籤。如果未提供,則將默認爲 RangeIndex(0、1、2、…、n) |
dtype | 輸出系列的數據類型。可選項,如果未指定,則將從數據中推斷,具體參考官網 dtypes 介紹 |
copy | bool 類型,可選項,默認 False,是否複製輸入數據,僅影響 DataFrame/2d ndarray 輸入 |
【03x01】通過 ndarray 構建 DataFrame
>>> import numpy as np
>>> import pandas as pd
>>> data = np.random.randn(5,3)
>>> data
array([[-2.16231157, 0.44967198, -0.73131523],
[ 1.18982913, 0.94670798, 0.82973421],
[-1.57680831, -0.99732066, 0.96432 ],
[-0.77483149, -1.23802881, 0.44061227],
[ 1.77666419, 0.24931983, -1.12960153]])
>>> obj = pd.DataFrame(data)
>>> obj
0 1 2
0 -2.162312 0.449672 -0.731315
1 1.189829 0.946708 0.829734
2 -1.576808 -0.997321 0.964320
3 -0.774831 -1.238029 0.440612
4 1.776664 0.249320 -1.129602
指定索引(index)和列標籤(columns),和 Series 對象類似,可以在構建的時候添加索引和標籤,也可以直接通過賦值的方式就地修改:
>>> import numpy as np
>>> import pandas as pd
>>> data = np.random.randn(5,3)
>>> index = ['a', 'b', 'c', 'd', 'e']
>>> columns = ['A', 'B', 'C']
>>> obj = pd.DataFrame(data, index, columns)
>>> obj
A B C
a -1.042909 -0.238236 -1.050308
b 0.587079 0.739683 -0.233624
c -0.451254 -0.638496 1.708807
d -0.620158 -1.875929 -0.432382
e -1.093815 0.396965 -0.759479
>>>
>>> obj.index = ['A1', 'A2', 'A3', 'A4', 'A5']
>>> obj.columns = ['B1', 'B2', 'B3']
>>> obj
B1 B2 B3
A1 -1.042909 -0.238236 -1.050308
A2 0.587079 0.739683 -0.233624
A3 -0.451254 -0.638496 1.708807
A4 -0.620158 -1.875929 -0.432382
A5 -1.093815 0.396965 -0.759479
【03x02】通過 dict 構建 DataFrame
通過 字典(dict) 構建 DataFrame,字典的鍵(key)會作爲列標籤(columns),字典的值(value)會作爲數據(data),示例如下:
>>> import pandas as pd
>>> data = {'city': ['Wuhan', 'Wuhan', 'Wuhan', 'Beijing', 'Beijing', 'Beijing'],
'year': [2017, 2018, 2019, 2017, 2018, 2019],
'people': [10892900, 11081000, 11212000, 21707000, 21542000, 21536000]}
>>> obj = pd.DataFrame(data)
>>> obj
city year people
0 Wuhan 2017 10892900
1 Wuhan 2018 11081000
2 Wuhan 2019 11212000
3 Beijing 2017 21707000
4 Beijing 2018 21542000
5 Beijing 2019 21536000
如果指定了列序列,則 DataFrame 的列就會按照指定順序進行排列,如果傳入的列在數據中找不到,就會在結果中產生缺失值(NaN):
>>> import pandas as pd
>>> data = {'city': ['Wuhan', 'Wuhan', 'Wuhan', 'Beijing', 'Beijing', 'Beijing'],
'year': [2017, 2018, 2019, 2017, 2018, 2019],
'people': [10892900, 11081000, 11212000, 21707000, 21542000, 21536000]}
>>> pd.DataFrame(data)
city year people
0 Wuhan 2017 10892900
1 Wuhan 2018 11081000
2 Wuhan 2019 11212000
3 Beijing 2017 21707000
4 Beijing 2018 21542000
5 Beijing 2019 21536000
>>> pd.DataFrame(data, columns=['year', 'city', 'people'])
year city people
0 2017 Wuhan 10892900
1 2018 Wuhan 11081000
2 2019 Wuhan 11212000
3 2017 Beijing 21707000
4 2018 Beijing 21542000
5 2019 Beijing 21536000
>>> pd.DataFrame(data, columns=['year', 'city', 'people', 'money'])
year city people money
0 2017 Wuhan 10892900 NaN
1 2018 Wuhan 11081000 NaN
2 2019 Wuhan 11212000 NaN
3 2017 Beijing 21707000 NaN
4 2018 Beijing 21542000 NaN
5 2019 Beijing 21536000 NaN
注意:data 爲字典,且未設置 columns 參數時:
-
Python > = 3.6 且 Pandas > = 0.23,DataFrame 的列按字典的插入順序排序。
-
Python < 3.6 或 Pandas < 0.23,DataFrame 的列按字典鍵的字母排序。
【03x03】獲取其數據和索引
和 Series 一樣,DataFrame 也可以通過其 values 和 index 屬性獲取其數據和索引對象:
>>> import numpy as np
>>> import pandas as pd
>>> data = {'city': ['Wuhan', 'Wuhan', 'Wuhan', 'Beijing', 'Beijing', 'Beijing'],
'year': [2017, 2018, 2019, 2017, 2018, 2019],
'people': [10892900, 11081000, 11212000, 21707000, 21542000, 21536000]}
>>> obj = pd.DataFrame(data)
>>> obj.index
RangeIndex(start=0, stop=6, step=1)
>>> obj.values
array([['Wuhan', 2017, 10892900],
['Wuhan', 2018, 11081000],
['Wuhan', 2019, 11212000],
['Beijing', 2017, 21707000],
['Beijing', 2018, 21542000],
['Beijing', 2019, 21536000]], dtype=object)
【03x04】通過索引獲取數據
通過類似字典標記的方式或屬性的方式,可以將 DataFrame 的列獲取爲一個 Series 對象;
行也可以通過位置或名稱的方式進行獲取,比如用 loc 屬性;
對於特別大的 DataFrame,有一個 head 方法可以選取前五行數據。
用法示例:
>>> import numpy as np
>>> import pandas as pd
>>> data = {'city': ['Wuhan', 'Wuhan', 'Wuhan', 'Beijing', 'Beijing', 'Beijing'],
'year': [2017, 2018, 2019, 2017, 2018, 2019],
'people': [10892900, 11081000, 11212000, 21707000, 21542000, 21536000]}
>>> obj = pd.DataFrame(data)
>>> obj
city year people
0 Wuhan 2017 10892900
1 Wuhan 2018 11081000
2 Wuhan 2019 11212000
3 Beijing 2017 21707000
4 Beijing 2018 21542000
5 Beijing 2019 21536000
>>>
>>> obj['city']
0 Wuhan
1 Wuhan
2 Wuhan
3 Beijing
4 Beijing
5 Beijing
Name: city, dtype: object
>>>
>>> obj.year
0 2017
1 2018
2 2019
3 2017
4 2018
5 2019
Name: year, dtype: int64
>>>
>>> type(obj.year)
<class 'pandas.core.series.Series'>
>>>
>>> obj.loc[2]
city Wuhan
year 2019
people 11212000
Name: 2, dtype: object
>>>
>>> obj.head()
city year people
0 Wuhan 2017 10892900
1 Wuhan 2018 11081000
2 Wuhan 2019 11212000
3 Beijing 2017 21707000
4 Beijing 2018 21542000
【03x05】修改列的值
列可以通過賦值的方式進行修改。在下面示例中,分別給"money"列賦上一個標量值和一組值:
>>> import pandas as pd
>>> import numpy as np
>>> data = {'city': ['Wuhan', 'Wuhan', 'Wuhan', 'Beijing', 'Beijing', 'Beijing'],
'year': [2017, 2018, 2019, 2017, 2018, 2019],
'people': [10892900, 11081000, 11212000, 21707000, 21542000, 21536000],
'money':[np.NaN, np.NaN, np.NaN, np.NaN, np.NaN, np.NaN]}
>>> obj = pd.DataFrame(data, index=['A', 'B', 'C', 'D', 'E', 'F'])
>>> obj
city year people money
A Wuhan 2017 10892900 NaN
B Wuhan 2018 11081000 NaN
C Wuhan 2019 11212000 NaN
D Beijing 2017 21707000 NaN
E Beijing 2018 21542000 NaN
F Beijing 2019 21536000 NaN
>>>
>>> obj['money'] = 6666666666
>>> obj
city year people money
A Wuhan 2017 10892900 6666666666
B Wuhan 2018 11081000 6666666666
C Wuhan 2019 11212000 6666666666
D Beijing 2017 21707000 6666666666
E Beijing 2018 21542000 6666666666
F Beijing 2019 21536000 6666666666
>>>
>>> obj['money'] = np.arange(100000000, 700000000, 100000000)
>>> obj
city year people money
A Wuhan 2017 10892900 100000000
B Wuhan 2018 11081000 200000000
C Wuhan 2019 11212000 300000000
D Beijing 2017 21707000 400000000
E Beijing 2018 21542000 500000000
F Beijing 2019 21536000 600000000
將列表或數組賦值給某個列時,其長度必須跟 DataFrame 的長度相匹配。如果賦值的是一個 Series,就會精確匹配 DataFrame 的索引:
>>> import pandas as pd
>>> import numpy as np
>>> data = {'city': ['Wuhan', 'Wuhan', 'Wuhan', 'Beijing', 'Beijing', 'Beijing'],
'year': [2017, 2018, 2019, 2017, 2018, 2019],
'people': [10892900, 11081000, 11212000, 21707000, 21542000, 21536000],
'money':[np.NaN, np.NaN, np.NaN, np.NaN, np.NaN, np.NaN]}
>>> obj = pd.DataFrame(data, index=['A', 'B', 'C', 'D', 'E', 'F'])
>>> obj
city year people money
A Wuhan 2017 10892900 NaN
B Wuhan 2018 11081000 NaN
C Wuhan 2019 11212000 NaN
D Beijing 2017 21707000 NaN
E Beijing 2018 21542000 NaN
F Beijing 2019 21536000 NaN
>>>
>>> new_data = pd.Series([5670000000, 6890000000, 7890000000], index=['A', 'C', 'E'])
>>> obj['money'] = new_data
>>> obj
city year people money
A Wuhan 2017 10892900 5.670000e+09
B Wuhan 2018 11081000 NaN
C Wuhan 2019 11212000 6.890000e+09
D Beijing 2017 21707000 NaN
E Beijing 2018 21542000 7.890000e+09
F Beijing 2019 21536000 NaN
【03x06】增加 / 刪除列
爲不存在的列賦值會創建出一個新列,關鍵字 del 用於刪除列:
>>> import pandas as pd
>>> data = {'city': ['Wuhan', 'Wuhan', 'Wuhan', 'Beijing', 'Beijing', 'Beijing'],
'year': [2017, 2018, 2019, 2017, 2018, 2019],
'people': [10892900, 11081000, 11212000, 21707000, 21542000, 21536000]}
>>> obj = pd.DataFrame(data)
>>> obj
city year people
0 Wuhan 2017 10892900
1 Wuhan 2018 11081000
2 Wuhan 2019 11212000
3 Beijing 2017 21707000
4 Beijing 2018 21542000
5 Beijing 2019 21536000
>>>
>>> obj['northern'] = obj['city'] == 'Beijing'
>>> obj
city year people northern
0 Wuhan 2017 10892900 False
1 Wuhan 2018 11081000 False
2 Wuhan 2019 11212000 False
3 Beijing 2017 21707000 True
4 Beijing 2018 21542000 True
5 Beijing 2019 21536000 True
>>>
>>> del obj['northern']
>>> obj
city year people
0 Wuhan 2017 10892900
1 Wuhan 2018 11081000
2 Wuhan 2019 11212000
3 Beijing 2017 21707000
4 Beijing 2018 21542000
5 Beijing 2019 21536000
【03x07】name 屬性
可以通過 index.name 和 columns.name 屬性設置索引(index)和列標籤(columns)的 name,注意 DataFrame 對象是沒有 name 屬性的:
>>> import pandas as pd
>>> data = {'city': ['Wuhan', 'Wuhan', 'Wuhan', 'Beijing', 'Beijing', 'Beijing'],
'year': [2017, 2018, 2019, 2017, 2018, 2019],
'people': [10892900, 11081000, 11212000, 21707000, 21542000, 21536000]}
>>> obj = pd.DataFrame(data)
>>> obj.index.name = 'index'
>>> obj.columns.name = 'columns'
>>> obj
columns city year people
index
0 Wuhan 2017 10892900
1 Wuhan 2018 11081000
2 Wuhan 2019 11212000
3 Beijing 2017 21707000
4 Beijing 2018 21542000
5 Beijing 2019 21536000
這裏是一段防爬蟲文本,請讀者忽略。
本文原創首發於 CSDN,作者 TRHX。
博客首頁:https://itrhx.blog.csdn.net/
本文鏈接:https://itrhx.blog.csdn.net/article/details/106676693
未經授權,禁止轉載!惡意轉載,後果自負!尊重原創,遠離剽竊!