DataFrame常用的属性及其说明如下所示。 values:以ndarray的格式返回DataFrame对象的所有元素 index:返回DataFrame对象的Index columns:返回DataFrame对象的列标签 dtypes:返回DataFrame对象的数据类型 axes:返回DataFrame对象的轴标签 ndim:返回DataFrame对象的轴尺寸数 size:返回DataFrame对象的个数 shape:返回DataFrame对象的形状...
pandas.DataFrame(data=None,index=None,columns=None,dtype=None,copy=False) 参数说明: data:DataFrame 的数据部分,可以是字典、二维数组、Series、DataFrame 或其他可转换为 DataFrame 的对象。如果不提供此参数,则创建一个空的 DataFrame。 index:DataFrame 的行索引,用于标识每行数据。可以是列表、数组、索引对象等...
DataFrame 既有行索引，也有列索引。行索引：index列索引：columns值：values（NumPy的二维数组）2.DataFrame的创建最常见的方法是传递一个字典来创建。DataFrame 以字典的创建作为每一【列】的名称，以字典的值（一个数组）作为每一列。此外，DataFrame 会自动加上每一行的索引（和Series一样）。同Series一样，若传入...
可以将 DataFrame 的列获取为一个 Series。返回的 Series 拥有原 DataFrame 相同的索引,且 name 属性也已经设置好了,就是相应的列名。 df = pd.DataFrame( data = np.random.randint(10,100,size=(4,6)), index = ["小明","小红","小黄","小绿"], columns = ["语文","数学","英语","化学","物...
一、sort_values() 1.1 series.sort_values() 1.2 DataFrame.sort_values() 二、sort_index() DataFrame 和 Series 都可以用.sort_index()或.sort_values() 进行排序。 DataFrame 里面提供的 .sort_index() 通过索引的排序,来对值进行排序。 一、sort_values() 真真正正的在指定轴上根据数值进行排序,默认升...
DataFrame.drop() 删除指定的行或列。 DataFrame.rename() 重命名行索引或列名。 DataFrame.set_index() 将指定列设置为索引。 DataFrame.reset_index() 重置索引。 DataFrame.sort_values() 按值排序。 DataFrame.sort_index() 按索引排序。 DataFrame.replace() 替换DataFrame 中的值。 DataFrame.append() 追加...
一、DataFrame 的常用操作 # 通过 DataFrame 构造数据框d = [[1.0,2.2,3,4],[1,2,3,4],[7,8,9,0],[3,5,7,9]]print(d) df = pd.DataFrame(d)print(df)# index 修改行名称,columns 修改列名称df = pd.DataFrame(d, index=['a','b','c','d'], columns=['A','B','C','D'])...
# 查看数据,数据类型为dataframe print(frame) print(type(frame)) # .index查看行标签 print(frame.index,'\n该数据类型为:', type(frame.index)) # .columns查看列标签 print(frame.columns,'\n该数据类型为:', type(frame.columns)) # .values查看值,数据类型为ndarray ...
<class'pandas.core.frame.DataFrame'> 2. DataFrame数据结构的构成 DataFrame数据是Pandas中的基本数据结构,同时具有行索引(index)和列索引(columns),看起来与Excel表格相似。 DataFrame数据由三个部分组成,行索引、列索引、数据。pandas读取DataFrame数据时,如果数据行数和列数很多,会自动将数据折叠,中间的显示为“.....
df1.set_index(['城市','大学','专业','年份']).unstack().unstack() 以上两种方式结果相同,均可从原数据中抽取列维度数据并设置为行列的多级索引。 2、多层级索引筛选 通过MultiIndex访问dataFrame的好处是,可以很容易地一次引用所有层次(可能会省略内部层次),语法简单方便。