方法1:df.reset_index(drop=True) 设置行索引为(0-n) 方法2:df.set_index(列名) 设置某一列为行索引 2> 找数据的最大或最小的n个值 方法1:df.msmallest(n,列名) df.nlargest(n,列名) 方法2:排序 df.sort_values(列名,ascending=False/True) #False降序 df.sort_index() 3> 简单的统计函数 df....
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 df = pd.DataFrame([[1, 2, 3], [4, 5, 6]], index=['row_0', 'row_1'], columns=['col_0', 'col_1', 'col_2']) 1. 2、获取数据帧的行索引...
df = pd.DataFrame({'Name': pd.Series(['Tom', 'Jack', 'Steve', 'Ricky', 'Bob'], index=['A', 'B', 'C', 'D', 'E']), 'Age': pd.Series([28, 34, 29, 42], index=['A', 'B', 'C', 'D'])}) df['Math'] = pd.Series([90, 58, 99, 100, 48], index=['A',...
random.randint(1,10,(6,6))#生成随机矩阵 col=[chr(i) for i in range(65,71)]#生成大写字母列表 row=[chr(i) for i in range(97,103)]#生成小写字母列表 df=pd.DataFrame(a,columns=col,index=row) print("df:\n",df) 创建的df: df: A B C D E F a 4 7 7 1 9 5 b 8 1 1...
DataFrame创建 基本操作 查看、索引 修改、删除 统计功能 条件筛选 合并 去除空值 4. 一些常用的函数 apply memory_usage pivot_table Top~~ 1、DataFrame概念 Series对应的是一维序列,而DataFrame对应的是二维表结构(表格型的数据结构) DataFrame可以看成共享同一个索引index的Series集合。
series = df[col] print(series) ''' 0 110 1 105 2 109 Name: 语文, dtype: int64 0 105 1 88 2 120 Name: 数学, dtype: int64 0 99 1 115 2 130 Name: 英语, dtype: int64 ''' 1.创建一个DataFrame对象 pandas.DataFrame(data,index,columns,dtype,copy) ...
df.index = ['a0','a1','a2','a3','a4'] df col1 col2 col3 a0 a 2 0 a1 a 1 4 a2 b 8 7 a3 NaN 7 2 a4 c 6 3 方法2:pandas.DataFrame.rename()函数 rename函数是专门为了修改DataFrame坐标轴标签函数。rename函数的优点:可以 ...
我们在处理后台数据时最经常用到的结构就是二维表格的形式,而DataFrame工具可以帮助我们快速处理表格数据,可以以行为单位处理整行数据,也可以以列为单位处理一列的数据,是一个比较灵活处理数据的工具,在数据处理上有很大的实用性。 1.生成数据 1.1 设置DataFrame的index,columns以及values ...
# 创建DataFrame对象 df = pd.DataFrame(data, index=rows, columns=cols) # 输出结果 print(df) 运行结果为: Col1 Col2 Col3 Row1 1 4 7 Row2 2 5 8 Row3 3 6 9 在上面的例子中,我们首先定义了一个包含三个列表的字典。然后通过指定行索引和列索引来创建一个新的DataFrame对象。最后使用print函数...