本文示例基于 Version 0.21.0
DataFrame和Series是pandas中最常见的2种数据结构。DataFrame可以理解为Excel中的一张表，Series可以理解为一张Excel表的一行或一列数据。
一、Series
Series可以理解为一维数组，它和一维数组的区别，在于Series具有索引。
1. 创建Series
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
| money_series = pd.Series([200, 300, 10, 5], name="money")
"""
0 200
1 300
2 10
3 5
Name: money, dtype: int64
"""
money_series[0]
money_series = money_series.sort_values()
"""
3 5
2 10
0 200
1 300
Name: money, dtype: int64
"""
money_series[0]
money_series.iloc[0]
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
| money_series = pd.Series([200, 300, 10, 5], index=['d', 'c', 'b', 'a'], name='money')
"""
d 200
c 300
b 10
a 5
Name: money, dtype: int64
"""
money_series.index
money_series['a']
money_series = money_series.sort_index()
"""
a 5
b 10
c 300
d 200
Name: money, dtype: int64
"""
money_series.iloc[-1]
|
2. 切片与取值
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
| money_series = pd.Series({'d': 200, 'c': 300, 'b': 10, 'a': 5}, name='money')
"""
a 200
b 300
c 10
d 5
Name: money, dtype: int64
"""
money_series.loc['a']
money_series.loc['c':'a':-1]
"""
c 10
b 300
a 200
Name: money, dtype: int64
"""
money_series.loc[['d', 'a']]
"""
d 5
a 200
"""
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| money_series.iloc[0]
money_series.iloc[1:3]
"""
b 300
c 10
Name: money, dtype: int64
"""
money_series.iloc[[3, 0]]
"""
d 5
a 200
Name: money, dtype: int64
"""
|
1
2
3
4
5
6
7
8
9
10
11
12
13
| money_series[money_series > 50]
"""
c 300
d 200
Name: money, dtype: int64
"""
money_series[lambda x: x ** 2 > 50]
"""
b 10
c 300
d 200
Name: money, dtype: int64
"""
|
二、DataFrame
1. 创建DataFrame
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
df = pd.DataFrame({'单价': [100, 200, 30], '数量': [3, 3, 10]})
"""
单价 数量
0 100 3
1 200 3
2 30 10
"""
df = pd.DataFrame({'单价': [100, 200, 30], '数量': [3, 3, 10]}, index=['T001', 'T002', 'T003'])
"""
单价 数量
T001 100 3
T002 200 3
T003 30 10
"""
|
1
2
3
4
5
6
7
8
9
10
11
12
| price_series = pd.Series([100, 200, 30], index=['T001', 'T002', 'T005'])
quantity_series = pd.Series([3, 3, 10, 2], index=['T001', 'T002', 'T003', 'T004'])
df = pd.DataFrame({'单价': price_series, '数量': quantity_series})
"""
单价 数量
T001 100.0 3.0
T002 200.0 3.0
T003 NaN 10.0
T004 NaN 2.0
T005 30.0 NaN
"""
|
1
2
3
| df = pd.read_excel("path/demo.xlsx", sheetname=0)
df = pd.read_excel("path/demo.xlsx", sheetname='销售记录')
|
1
2
3
4
5
6
| 编号|日期|单价|数量
T001|2018-03-02 12:34:05|100|3
T002|2018-03-02 13:04:05|200|3
T003|2018-03-03 18:12:31|30|10
T004|2018-03-04 20:34:05|400|2
T005|2018-03-02 20:34:05|500|1
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
| df = pd.read_csv('demo.dat', delimiter='|')
"""
编号 日期 单价 数量
0 T001 2018-03-02 12:34:05 100 3
1 T002 2018-03-02 13:04:05 200 3
2 T003 2018-03-03 18:12:31 30 10
3 T004 2018-03-04 20:34:05 400 2
4 T005 2018-03-02 20:34:05 500 1
"""
df = pd.read_csv('demo.dat', delimiter='|', index_col='编号')
"""
日期 单价 数量
编号
T001 2018-03-02 12:34:05 100 3
T002 2018-03-02 13:04:05 200 3
T003 2018-03-03 18:12:31 30 10
T004 2018-03-04 20:34:05 400 2
T005 2018-03-02 20:34:05 500 1
"""
|
2. 获取列与行
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
| df['日期']
"""
0 2018-03-02 12:34:05
1 2018-03-02 13:04:05
2 2018-03-03 18:12:31
3 2018-03-04 20:34:05
4 2018-03-02 20:34:05
Name: 日期, dtype: object
"""
df[['单价', '数量']]
"""
单价 数量
0 100 3
1 200 3
2 30 10
3 400 2
4 500 1
"""
df.loc['T001']
df.iloc[0]
"""
日期 2018-03-02 12:34:05
单价 100
数量 3
Name: T001, dtype: object
"""
df.head(3)
df.tail(3)
"""
日期 单价 数量
编号
T003 2018-03-03 18:12:31 30 10
T004 2018-03-04 20:34:05 400 2
T005 2018-03-02 20:34:05 500 1
"""
|
3. 修改
1
2
3
4
5
6
7
8
9
10
11
12
13
| df['单价'] *= 2
"""
日期 单价 数量
编号
T001 2018-03-02 12:34:05 200 3
T002 2018-03-02 13:04:05 400 3
T003 2018-03-03 18:12:31 60 10
T004 2018-03-04 20:34:05 800 2
T005 2018-03-02 20:34:05 1000 1
"""
|
1
2
3
4
5
6
7
8
9
10
|
df.index = '2018_' + df.index
"""
日期 单价 数量
2018_T001 2018-03-02 12:34:05 200 3
2018_T002 2018-03-02 13:04:05 400 3
2018_T003 2018-03-03 18:12:31 60 10
2018_T004 2018-03-04 20:34:05 800 2
2018_T005 2018-03-02 20:34:05 1000 1
"""
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| def change_price(x):
if x['数量'] < 3:
return x['单价'] + 10
return x['单价']
df['单价'] = df.apply(change_price, axis=1)
"""
日期 单价 数量
2018_T001 2018-03-02 12:34:05 200 3
2018_T002 2018-03-02 13:04:05 400 3
2018_T003 2018-03-03 18:12:31 60 10
2018_T004 2018-03-04 20:34:05 810 2
2018_T005 2018-03-02 20:34:05 1010 1
"""
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
| df['运费'] = pd.Series({'2018_T001': 10, '2018_T005': 12})
"""
日期 单价 数量 运费
2018_T001 2018-03-02 12:34:05 200 3 10.0
2018_T002 2018-03-02 13:04:05 400 3 NaN
2018_T003 2018-03-03 18:12:31 60 10 NaN
2018_T004 2018-03-04 20:34:05 810 2 NaN
2018_T005 2018-03-02 20:34:05 1010 1 12.0
"""
df.fillna(0)
"""
日期 单价 数量 运费
2018_T001 2018-03-02 12:34:05 200 3 10.0
2018_T002 2018-03-02 13:04:05 400 3 0.0
2018_T003 2018-03-03 18:12:31 60 10 0.0
2018_T004 2018-03-04 20:34:05 810 2 0.0
2018_T005 2018-03-02 20:34:05 1010 1 12.0
"""
|
4. 删除
1
2
3
4
5
6
7
8
9
| del df['日期']
"""
单价 数量 运费
2018_T001 200 3 10.0
2018_T002 400 3 NaN
2018_T003 60 10 NaN
2018_T004 810 2 NaN
2018_T005 1010 1 12.0
"""
|
1
2
3
4
5
6
7
8
9
10
11
| new_columns = list(df.columns)
new_columns.remove('运费')
df = df[new_columns]
"""
单价 数量
2018_T001 200 3
2018_T002 400 3
2018_T003 60 10
2018_T004 810 2
2018_T005 1010 1
"""
|
附 推荐
上一篇 « TensorFlow入门(二) - mnist手写数字识别(模型保存加载)
下一篇 » Pandas 数据处理(二) - 筛选数据
