Pandas基础题一百道（16~20）

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)