Pandas基础题一百道(16~20)

Pandas基础题一百道(16~20),第1张

目录

16、打印DataFrame的前后数据行

①:打印DataFrame

​ ②:打印DataFrame前10行数据

③:打印DataFrame后十行数据

17、查看DataFrame的信息和基本数据统计

 ①:打印DataFrame

②:查看DataFrame的基本信息

18、 统计数据列的值出现的次数

①:数据

②:统计数据列的值出现的次数

19、DataFrame前N行存入CSV文件

①:数据

②:选取前五行数据

方法一:

方法二:

 ③:将筛选的数据存入CSV文件

20、读取CSV文件到DataFrame


16、打印DataFrame的前后数据行 ①:打印DataFrame
df=pd.DataFrame(
    data={
        "norm":np.random.normal(loc=0,scale=1,size=1000),
        "uniform":np.random.uniform(low=0,high=1,size=1000),
        "binomial":np.random.binomial(n=2,p=0.2,size=1000)
    },
    index=pd.date_range(start='2022-1-1',periods=1000)
)
 ②:打印DataFrame前10行数据
#head()不加参数,默认读取前五行
df.head(10)
③:打印DataFrame后十行数据
# tail()不加参数,默认读取最后五行
df.tail(10)
17、查看DataFrame的信息和基本数据统计  ①:打印DataFrame
df=pd.DataFrame(
    data={
        "norm":np.random.normal(loc=0,scale=1,size=1000),
        "uniform":np.random.uniform(low=0,high=1,size=1000),
        "binomial":np.random.binomial(n=2,p=0.2,size=1000)
    },
    index=pd.date_range(start='2022-1-1',periods=1000)
)
②:查看DataFrame的基本信息
  • df.info():          # 打印摘要
  • df.describe():      # 描述性统计信息
  • df.values:          # 转换为Adarray列表矩阵
  • df.to_numpy()       # 数据 (推荐)
  • df.shape:           # 形状 (行数, 列数)
  • df.columns:         # 列标签
  • df.columns.values:  # 列标签
  • df.index:           # 行标签
  • df.index.values:    # 行标签
  • df.head(n):         # 前n行
  • df.tail(n):         # 尾n行
  • pd.options.display.max_columns=n:                # 最多显示n列
  • pd.options.display.max_rows=n:               # 最多显示n行
  • df.memory_usage():                # 占用内存(字节B)
  • df.sample():                #不加参数就随机查看一条数据
  • df.dtypes:             #查看数据类型
  • df.axes:             #查看索引值内容,行、列一起查看
  • df.ndim:           #维度数
  • df.size:             #行X列的总数,就是总共有多少个数据
  • df.empty:               #是否为空,里面有空值不算为空,完全没有东西才为True
18、 统计数据列的值出现的次数 ①:数据
df=pd.DataFrame(
    data={
        "norm":np.random.normal(loc=0,scale=1,size=1000),
        "uniform":np.random.uniform(low=0,high=1,size=1000),
        "binomial":np.random.binomial(n=2,p=0.2,size=1000)
    },
    index=pd.date_range(start='2022-1-1',periods=1000)
)
②:统计数据列的值出现的次数
df["norm"].value_counts().head()
df["uniform"].value_counts().head()
df["binomial"].value_counts().head()
19、DataFrame前N行存入CSV文件 ①:数据
df=pd.DataFrame(
    data={
        "norm":np.random.normal(loc=0,scale=1,size=1000),
        "uniform":np.random.uniform(low=0,high=1,size=1000),
        "binomial":np.random.binomial(n=2,p=0.2,size=1000)
    },
    index=pd.date_range(start='2022-1-1',periods=1000)
)
②:选取前五行数据

推荐使用方法一,方法二选取多行代码相对麻烦

方法一:
df.iloc[0:5]

方法二:
df.loc['2022-01-01':'2022-01-05','norm':'binomial']

 ③:将筛选的数据存入CSV文件

两个方法都在后面直接加.to_csv方法

df.iloc[0:5].to_csv("数据前5行iloc方法.csv")
df.loc['2022-01-01':'2022-01-05','norm':'binomial'].to_csv("数据前5行loc方法.csv")
20、读取CSV文件到DataFrame

engine:已c语言/python为分析引擎(可以理解为文件名是中文就使用它,不是中文可以不使用

index_col:指定索引(下面的意思是用csv文件中第一列作为列索引)

pd.read_csv("数据前5行iloc方法.csv",engine='python',index_col=0)
pd.read_csv("数据前5行loc.csv方法",engine='python',index_col=0)

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/langs/563908.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-04-03
下一篇 2022-04-03

发表评论

登录后才能评论

评论列表(0条)

保存