我们再来看看Index类型,它为Series和DataFrame对象提供了索引服务,有了索引我们就可以排序数据(sort_index方法)、对齐数据(在运算和合并数据时非常重要)并实现对数据的快速检索(索引运算)。由于DataFrame类型表示的是二维数据,所以它的行和列都有索引,分别是index和columns。Index类型的创建的比较简单,通常给出data、dtype...
观察“DataFrame的数据结构图”可以发现:每个df既有一个行索引index,又有一个列索引columns。但是不管行索引index,还是列索引columns,统一都都叫做 “Index对象”。不同的是在创建df,指定参数的参数名称的时候,为了方便区分行索引和列索引 ,把行索引这个“Index对象”叫做index,把列索引这个“Index对象”叫做co...
["语文","化学"]]df[["语文"]]4.对行进行索引使用 .loc[] 加 index 来进行行索引使用 .iloc[] 加整数来进行行索引同样返回一个Series, index为原来的columns。# 不可以直接取行索引# df.小明# df["小明"]# DataFrame默认是先取列索引# 取行索引值为 Series 类型df.loc["小明"]# 执行结果语文 ...
Index(['name', 'age'], dtype='object') # 行索引 df.index # 执行结果 RangeIndex(start=0, stop=3, step=1) # 形状:3行2列df.shape# 执行结果 (3, 2) # 查看前2条数据df.head(2) # 查看最后2条数据 df.tail(2) # 设置 index 行索引 df.index = list("ABC") df # 设置 columns ...
DataFrame 一个表格型的数据结构,既有行标签(index),又有列标签(columns),它也被称异构数据表,所谓异构,指的是表格中每列的数据类型可以不同,比如可以是字符串、整型或者浮点型等。其结构图示意图,如下所示: 表格中展示了某个销售团队个人信息和绩效评级(rating)的相关数据。数据以行和列形式来表示,其中每一列...
index是行索引,即每一行的名字;columns是列索引,即每一列的名字。建立数据帧时行索引和列索引都需要以列表的形式传入。 import pandas as pd 代码解读 df = pd.DataFrame([[1, 2, 3], [4, 5, 6]], index=['row_0', 'row_1'], columns=['col_0', 'col_1', 'col_2']) ...
pandas-07 DataFrame修改index、columns名的方法 一般常用的有两个方法: 1、使用DataFrame.index = [newName],DataFrame.columns = [newName],这两种方法可以轻松实现。 2、使用rename方法(推荐): DataFrame.rename(mapper = None,index = None,columns = None,axis = None,copy = True,inplace = False,level...
首先我们来介绍loc,loc方法可以根据传入的行索引查找对应的行数据。注意,这里说的是行索引,而不是行号,它们之间是有区分的。行索引其实对应于Series当中的Index,也就是对应Series中的索引。所以我们一般把行索引称为Index,而把列索引称为columns。 我们在之前的文章当中了解过,对于Series来说,它的Index可以不必是整数...
在这6个类中,Series、DataFrame和Index是使用频率最高的类。 01 Series Series由一组数据以及一组与之对应的数据标签(即索引)组成。Series对象可以视作一个NumPy的ndarray,因此许多NumPy库函数可以作用于Series。 1. 创建Series 创建Series对象的函数是Series,它的主要参数是data和index,其基本语法格式如下。
type(channel.columns) Out[76]: pandas.core.indexes.base.Index type(channel.index) Out[77]: pandas.core.indexes.base.Index 现在来看这个日期,它里面的值应该是作为表头的,用来对比三个指标,所以,这里我们可以索性把它从columns中删除掉,到时候直接把它的值拿出来备用 ...