欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python pandas DataFrame操作的实现代码

程序员文章站 2022-03-20 13:45:26
1. 从字典创建dataframe >>> import pandas as pd >>> dict1 = {'col1':...

1. 从字典创建dataframe

>>> import pandas as pd
>>> dict1 = {'col1':[1,2,5,7],'col2':['a','b','c','d']}
>>> df = pd.dataframe(dict1)
>>> df
  col1 col2
0   1  a
1   2  b
2   5  c
3   7  d

2. 从列表创建dataframe (先把列表转化为字典,再把字典转化为dataframe)

>>> lista = [1,2,5,7]
>>> listb = ['a','b','c','d']
>>> df = pd.dataframe({'col1':lista,'col2':listb})
>>> df
  col1 col2
0   1  a
1   2  b
2   5  c
3   7  d
 

3. 从列表创建dataframe,指定data和columns

>>> a = ['001','zhangsan','m']
>>> b = ['002','lisi','f']
>>> c = ['003','wangwu','m']
>>> df = pandas.dataframe(data=[a,b,c],columns=['id','name','sex'])
>>> df
  id   name sex
0 001 zhangsan  m
1 002   lisi  f
2 003  wangwu  m

4. 修改列名,从['id','name','sex']修改为['id','name','sex']

>>> df.columns = ['id','name','sex']
>>> df
  id   name sex
0 001 zhangsan  m
1 002   lisi  f
2 003  wangwu  m

5. 调整dataframe列顺序、调整列编号从1开始

6. dataframe随机生成10行4列int型数据

>>> import pandas
>>> import numpy
>>> df = pandas.dataframe(numpy.random.randint(0,100,size=(10, 4)), columns=list('abcd')) # 0,100指定随机数为0到100之间(包括0,不包括100),size = (10,4)指定数据为10行4列,column指定列名
>>> df
  a  b  c  d
0 67 28 37 66
1 21 27 43 37
2 73 54 98 85
3 40 78  4 93
4 99 60 63 16
5 48 46 24 61
6 59 52 62 28
7 20 74 36 64
8 14 13 46 60
9 18 44 70 36

7. 用时间序列做index名

>>> df # 原本index为自动生成的0~9
  a  b  c  d
0 31 25 45 67
1 62 12 61 88
2 79 36 20 97
3 26 57 50 44
4 24 12 50  1
5  4 61 99 62
6 40 47 52 27
7 83 66 71  4
8 58 59 25 62
9 38 81 60  8
>>> import pandas
>>> dates = pandas.date_range('20180121',periods=10)
>>> dates # 从20180121开始,共10天
datetimeindex(['2018-01-21', '2018-01-22', '2018-01-23', '2018-01-24',
        '2018-01-25', '2018-01-26', '2018-01-27', '2018-01-28',
        '2018-01-29', '2018-01-30'],
       dtype='datetime64[ns]', freq='d')
>>> df.index = dates # 将dates赋值给index
>>> df
       a  b  c  d
2018-01-21 31 25 45 67
2018-01-22 62 12 61 88
2018-01-23 79 36 20 97
2018-01-24 26 57 50 44
2018-01-25 24 12 50  1
2018-01-26  4 61 99 62
2018-01-27 40 47 52 27
2018-01-28 83 66 71  4
2018-01-29 58 59 25 62
2018-01-30 38 81 60  8

8. dataframe 实现类sql操作

pandas官方文档 comparison with sql


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。