通过[列名]可以从DataFrame中取出相应的列,返回值为Series,例如从表中取出姓名一列: df=pd.read_csv('../data/learn_pandas.csv',usecols=['School','Grade','Name','Gender','Weight','Transfer'])#如果要取出多个列,则可以通过[列名组成的列表],其返回值为一个DataFrame,例如从表中取出性别和姓名两列:...
print(df10)'''如果要合并多个Dataframe,可以用list把几个Dataframe装起来, 然后使用concat转化为一个新的Dataframe。'''print('---concat') df11=pd.DataFrame([1,2,3,4],index=list('ABCD'),columns=['a']) print(df11) df12=pd.DataFrame([10,20,30,40],index=list('ABCD'),columns=['b']) p...
df['col1']:获取col1列的数据 df.col1:同样是获取col1列的数据 两者的区别是df[['col1','col2',…]]可以同时获取多列,而dif.col1只能获取1列。 原始数据 df = pd.DataFrame({'b':[-1,-2,3,2],'a':[4,3,-2,1],'c':[1,-3,8,-2]},index=[2,0,1,-3]) b a c 2 -1 4 1...
s = pd.Series(pd.array([1, 2, 3, 4]), index=['a', 'b', 'c', 'd']) (5)从文件生成:从文件中读取之后得到的DataFrame的每一列都是一个Series: df = pd.read_csv('Mydata.csv') s = df['my_column_name'] (5)从时间序列生成:从时间序列生成的方法也是比较常见的,我们一起来看一下...
直接取出相应的行或列,如果元素在索引中重复则结果为DataFrame,否则为Series # 只选择行print(df_demo.loc['Qiang Sun'])# 多个人叫此名字print(df_demo.loc['Quan Zhao'])# 名字唯一 School Grade Gender Weight Transfer Name Qiang Sun Tsinghua University Junior Female53.0N ...
DataFrame对象的apply方法有非常重要的2个参数。 第1个参数的数据类型是函数对象,是将抽出的行或者列作为Series对象,可以利用Series对象的方法做聚合运算。 第2 个参数为关键字参数axis,数据类型为整型,默认为0。当axis=0时,会将DataFrame中的每一列抽出来做聚合运算,当axis=1时,会将DataFrame中的每一行抽出来做...
python将某一列变成索引 pandas把某一列作为索引 一、索引器 1. 表的列索引 列索引是最常见的索引形式,一般通过 [] 来实现。通过 [列名] 可以从 DataFrame 中取出相应的列,返回值为 Series, 等价于用 .列名 取出单列,且列名中不包含空格 df.Name.head() # 等价于 df['Name'].head()...
DataFrame对象的apply方法有非常重要的2个参数。 第1个参数的数据类型是函数对象,是将抽出的行或者列作为Series对象,可以利用Series对象的方法做聚合运算。 第2 个参数为关键字参数axis,数据类型为整型,默认为0。当axis=0时,会将DataFrame中的每一列抽出来做聚合运算,当axis=1时,会将DataFrame中的每一行抽出来做...
表的列索引 列索引是最常见的索引形式,一般通过 [] 来实现。通过 [列名] 可以从 DataFrame 中取出相应的列,返回值为 Series ,例如从表中取出姓名一列: df = pd.read_csv("E:/document/python学习笔记/pandas学习/learn_pandas.csv", usecols=['School','Grade','Name','Gender','Weight','Transfer'])...
DataFrame对象的apply方法有非常重要的2个参数。 第1个参数的数据类型是函数对象,是将抽出的行或者列作为Series对象,可以利用Series对象的方法做聚合运算。 第2 个参数为关键字参数axis,数据类型为整型,默认为0。当axis=0时,会将DataFrame中的每一列抽出来做聚合运算,当axis=1时,会将DataFrame中的每一行抽出来做...