文章来源:Python数据分析 1.Pandas的函数应用 apply 和 applymap 1. 可直接使用NumPy的函数 示例代码: 代码语言:javascript 代码运行次数:0 运行 AI代码解释 # Numpy ufunc 函数 df = pd.DataFrame(np.random.randn(5,4) - 1) print(df) print(np.abs(df)) 运行
pivot(index='date', columns='gender', values='score') # 将宽格式数据重塑为长格式数据 df.melt(id_vars='date', value_vars=['math_score', 'biology_score', 'english_score']) 19. 多级索引 多级索引可以帮助我们处理多维数据,常见的多级索引实现方式为层次化索引。Pandas中使用MultiIndex()方法创建...
df.apply(func, axis=0) # 默认 axis=0,按列(每一列为单位)应用 map()是作用在 Series 上的“逐个元素处理器” Series.map(函数或字典) map()Series(单列)元素级对单列的每个值做变换 apply()DataFrame / Series行或列按行/列应用函数(较灵活) applymap()DataFrame(整体)元素级对整张表的每个值变换 ...
df.index.sort_values(ascending=False) # 排序,倒序 df.index.to_frame(index=False) # 转成 DataFrame df.index.unique() # 去重 df.index.value_counts() # 去重分组统计 df.index.where(df.index=='林*') # 筛选,查看是否由该行记录 df.index.max() # 最大值 df.index.map(lambda x:x+'_'...
EN层次化索引是pandas的一项重要功能，它能使你在一个轴上有多个索引级别，也就是说，它能使你以低...
()# 不重复值的数量df.index.sort_values(ascending=False)# 排序,倒序df.index.to_frame(index=False)# 转成 DataFramedf.index.unique()# 去重df.index.value_counts()# 去重分组统计df.index.where(df.index=='林*')# 筛选,查看是否由该行记录df.index.max()# 最大值df.index.map(lambdax:x+'_...
1 多层索引(MultiIndex) Pandas的多层索引(MultiIndex)允许你在一个DataFrame的行或列上拥有多个层次化的索引,这使得你能够处理更复杂的数据结构,例如多维时间序列数据或具有层次结构的数据。以下是多层索引的详细说明和示例: 1.1 创建多层索引 你可以使用多种方式来创建多层索引,包括从元组、列表或数组创建,或者通过设置...
values:一组数据(ndarray类型) index:相关的数据索引标签 Series的创建 第一种:由列表或numpy数组创建 列表创建: Series([1,2,3,4,5],index=['a','b','c','d','e'],name='Hello') ndarray创建 a1 = np.array([1,2,3,4,5]) Series(a1,index=["a","b","c","d","e"],name='hello'...
通过为 header 参数指定行位置列表,您可以读取列的 MultiIndex。指定非连续行将跳过介于其间的行。 In [211]: mi_idx = pd.MultiIndex.from_arrays([[1, 2, 3, 4], list("abcd")], names=list("ab")) In [212]: mi_col = pd.MultiIndex.from_arrays([[1, 2], list("ab")], names=list("...
Series 的两个基本属性有两个基本属性:index 和 values。在 Series 结构中,index 默认是 0,1,2,……递增的整数序列,当然我们也可以自己来指定索引,比如 index=[‘a’, ‘b’, ‘c’, ‘d’]。 例子: 1import pandas as pd2from pandas import Series, DataFrame3x1 = Series([1,2,3,4])4x2 = Ser...