Pandas 使用技巧（二）

Posted 2023-04-06

参考技术A

由np.nan 填充丢失的数据

read 进来以后会自动加上索引

使用参数suffixes， 对于那些列名相同，但是又不在merge范围内的数据

其实还是使用 matplotlib 来画图的，但是可以集成到pandas的使用中去

首先是data.plot()，然后在调用plt.show() 将图片显示出来，这种方法对于Series和DataFrame都适用

画其他类型的图：
plot method:“bar”, “hist”， “box”， “area”

将两组数据画在同一张图上：重点在于指定ax

pandas和numpy使用

一、区别
Numpy:是数值计算的扩展包，它能高效处理N维数组,复杂函数,线性代数.

Panadas:是做数据处理。市python的一个数据分析包（panel datas）

二、使用方式

导入pandas和numpy模块：

import pandas as pd

import numpy as np

三、pandas常用数据类型（Series,DataFrame）

1.通过list创建Series，pandas会默认创建数字索引

list = [‘a‘,‘b‘,None,‘‘,1]

s = pd.Series(list)

 

 2.通过传递一个numpyarray，时间索引以及列标签来创建一个DataFrame：

 

 3.通过传递一个能够被转换成类似序列结构的字典对象来创建一个DataFrame：

通过字典创建dateframe时报错： If using all scalar（纯量，标量） values, you must pass an index，则需要为dataframe创建索引

 

 4、查看不同列的数据类型：

df.dtypes

 

 二、查看数据

1. 查看frame中头部和尾部的行：

df.head(arg) //查看从头部开始的几行

df.tail(arg) //查看从尾部开始的几行

 2.显示索引、列和底层的numpy数据：

显示索引：df.index

显示列：df.coulmns

显示dataframe中的数据：df.values

3、 describe()函数对于数据的快速统计汇总：

4、 对数据的转置：df.T

5、 按轴进行排序:

 

6、 按值进行排序

df.sort(columns=‘arg‘)

三、选择

1、 选择一个单独的列，这将会返回一个Series，等同于df.A：

 

 2、 通过[]进行选择，这将会对行进行切片: