Pandas圖解教程來啦,秒懂這些操作!
Pandas讀取csv文件
使用pandas的pandas.read_csv函數(shù)，讀取music.csv文件，存入變量df，此時(shí)，df為一個(gè)pandas DataFrame。
df?=?pandas.read_csv('music.csv')
df
pandas.DataFrame取列操作
此處，取第一列數(shù)據(jù)：
df['Artist']
pandas.DataFrame取行操作
此處，取第二、第三行數(shù)據(jù)（??注意，df[1:3]不包含左邊界）：
df[1:3]
pandas.DataFrame取行、列操作
此處，取第一列中，第一、二、第三行數(shù)（??注意，df.loc[1:3]包含左邊界）：
df.loc[1:3,['Artist']]
pandas.DataFrame按條件過濾
取滿足Genre列為Jazz的數(shù)據(jù)：
df[df['Genre']?==?"Jazz"?]
取滿足Listeners列大于1,800,000的數(shù)據(jù)：
df[df['Listeners']?>?1800000?]
pandas.DataFrame處理缺省值NaN
df的Plays列存在一缺省值NaN：
使用dropna丟失包含缺省值的行：
df.dropna()
pandas.DataFrame數(shù)據(jù)分組
此處，按照Genre分組，匯總每個(gè)Genre擁有的Listeners數(shù)目和Plays數(shù)目：
df.groupby('Genre').sum()
pandas.DataFrame增加新列
增加一列Avg Plays，由Plays列與Listeners列之商而來：
pandas.DataFrame數(shù)據(jù)重構(gòu)-pivot
pandas.DataFrame數(shù)據(jù)重構(gòu)-melt
pandas.DataFrame數(shù)據(jù)重構(gòu)-stack
pandas.DataFrame數(shù)據(jù)重構(gòu)-unstack
pandas.DataFrame數(shù)據(jù)重構(gòu)-unstack(1)
pandas.DataFrame數(shù)據(jù)重構(gòu)-unstack(0)
Ref:?https://pandas.pydata.org/pandas-docs/stable/user_guide/reshaping.html?highlight=reshape
推薦閱讀：
一、Number（數(shù)字）Python基礎(chǔ)之?dāng)?shù)字（Number）超級(jí)詳解
Python隨機(jī)模塊22個(gè)函數(shù)詳解
Python數(shù)學(xué)math模塊55個(gè)函數(shù)詳解二、String（字符串）Python字符串的45個(gè)方法詳解
Pandas向量化字符串操作三、List（列表）超級(jí)詳解系列-Python列表全面解析
Python輕量級(jí)循環(huán)-列表推導(dǎo)式四、Tuple（元組）Python的元組，沒想象的那么簡(jiǎn)單五、Set（集合）全面理解Python集合，17個(gè)方法全解，看完就夠了六、Dictionary（字典）Python字典詳解-超級(jí)完整版七、內(nèi)置函數(shù)Python初學(xué)者必須吃透這69個(gè)內(nèi)置函數(shù)！八、正則模塊
Python正則表達(dá)式入門到入魔
筆記 | 史上最全的正則表達(dá)式八、系統(tǒng)操作Python之shutil模塊11個(gè)常用函數(shù)詳解Python之OS模塊39個(gè)常用函數(shù)詳解九、進(jìn)階模塊
【萬(wàn)字長(zhǎng)文詳解】Python庫(kù)collections，讓你擊敗99%的Pythoner
高手如何在Python中使用collections模塊
↓掃描關(guān)注本號(hào)↓
評(píng)論
圖片
表情