那些搜过很多遍的python基础知识

2019-07-24 09:28:28来源:博客园 阅读 ()

新老客户大回馈,云服务器低至5折

一、 DataFrame 相关

1 索引的使用(.loc[] .iloc[])

.loc用行列标签来选择数据。.iloc 根据行数与列数索引。

import pandas as pd
data = pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]})
data

    A    B    C
a    1    4    7
b    2    5    8
c    3    6    9

data.loc[1,'B']

5

data.iloc[1,1]

5

data.iloc[1:2,1:2]

5

data.iloc[1:3,1:3]

     B    C
1    5    8
2    6    9
    

 2 数据整合(concat)

import pandas as pd
import numpy as np

df_obj1 = pd.DataFrame(np.random.randint(0, 10, (3, 2)), index=['a', 'b', 'c'],columns=['A', 'B'])
df_obj2 = pd.DataFrame(np.random.randint(0, 10, (2, 2)), index=['a', 'b'], columns=['C', 'D'])
df_obj3 = pd.DataFrame(np.random.randint(0, 10, (2, 2)), index=['a', 'b'],columns=['A', 'B'])     

pd.concat([df_obj1, df_obj2])
#列名相同时纵向堆砌 列名不同时横着排上  默认axis=0
       A    B    C    D
a    1.0    0.0    NaN    NaN
b    9.0    9.0    NaN    NaN
c    6.0    1.0    NaN    NaN
a    NaN    NaN    1.0    6.0
b    NaN    NaN    1.0    8.0   

pd.concat([df_obj1, df_obj2],axis=1)
#横着排上
      A    B    C    D
a    0    5    6.0    7.0
b    4    4    9.0    3.0
c    0    5    NaN    NaN

 


原文链接:https://www.cnblogs.com/DHuifang004/p/11094231.html
如有疑问请与原作者联系

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:Django模版中加载静态文件配置详解

下一篇:python第三天---列表的魔法