pandas 学习汇总9 - Series系列,DataFrame数据帧 属性( tcy)
发布日期:2021-06-29 14:48:04
浏览次数:2
分类:技术文章
本文共 2361 字,大约阅读时间需要 7 分钟。
Series-属性 2018/11/8 2018/12/6
序列:
# 可以把Series看成有序字典;均匀数据;尺寸数据均可变s=pd.Series(data=np.arange(10,15),index=pd.Index(list('abcde')),dtype=np.float, name='Series-1')
属性简表:
属性 | 说明 |
s.at[] | 访问行/列标签对的单个值。 |
s.axes | 返回行轴标签列表 [Index(['a', 'b', 'c', 'd', 'e'], dtype='object')] |
s.dtype | 返回基础数据的dtype对象dtype('float64') |
s.dtypes | 返回基础数据的dtype对象dtype('float64') |
s.empty | 系列为空返回 True |
s.flags | - |
s.ftype | 如数据稀疏则返回 'float64:dense' |
s.ftypes | 如数据稀疏则返回 'float64:dense' |
s.hasnans | 如有nans返回True False |
s.iat[] | 按整数位置访问行/列对的单个值。 |
s.iloc[] | 纯粹基于整数位置的索引,用于按位置选择。 |
s.imag | array([0., 0., 0., 0., 0.]) |
s.imag | array([0., 0., 0., 0., 0.]) |
s.index | 系列索引(轴标签)Index(['a', 'b', 'c', 'd', 'e'], dtype='object') |
s.is_monotonic | 如序列中值递增返回True |
s.is_monotonic_decreasing | 如序列中值递减返回True |
s.is_monotonic_increasing | 如序列中值递增返回True |
s.is_unique | 如果对象中的所有值都是唯一返回True |
s.itemsize | 返回基础数据项的dtype的大小 8 |
s.ix[] | 主要基于标签位置的索引器,具有整数位置回退。 |
s.loc[] | 通过标签或布尔数组访问一组行和列。 |
s.memory_usage() | 返回Series的内存使用情况240 |
s.nbytes | 返回基础数据字节数 40 |
s.ndim | 返回基础数据维数 1 |
s.real | array([10., 11., 12., 13., 14.]) |
s.shape | 返回数据形状元组 (5,) |
s.size | 返回数据元素数量 5 |
s.strides | 返回数据步幅 (8,) |
s.values | 返回系列值 dtype array([10., 11., 12., 13., 14.]) |
实例:
s.flags'''C_CONTIGUOUS : TrueF_CONTIGUOUS : TrueOWNDATA : TrueWRITEABLE : TrueALIGNED : TrueWRITEBACKIFCOPY : FalseUPDATEIFCOPY : False'''
DataFrame-属性 2018/12/7
属性:
# 所有Pandas数据结构是值可变的(数值大小可更改)# DataFrame索引(行)和列(不同类型) ;大小可变 可对行和列执行算术运算data = {'Name':pd.Series(['Tom','Jim','Bob']),'Age':pd.Series([25,26,25]),'sex':pd.Series([0,1,0],dtype=bool)}df=pd.DataFrame(data)
简表:
属性 | 说明 |
df.at[] | 访问行/列标签对的单个值 |
df.axes | 行轴标签列表 [RangeIndex(start=0, stop=3, step=1), |
- | Index(['Name', 'Age', 'sex'], dtype='object')] |
df.columns | 列标签#Index(['Name', 'Age', 'sex'], dtype='object') |
df.dtypes | 数据类型 #Name object Age int64 sex bool dtype: object |
df.empty | 对象为空返回True |
df.ftypes | 返回数据帧中的ftypes(稀疏/密集和dtype的指示) |
df.iat[] | 按整数位置访问行/列对的单个值 |
df.iloc[] | 整数位置索引,用于按位置选择 |
df.index | 索引行标签 #RangeIndex(start=0, stop=3, step=1) |
df.ix[] | 主要基于标签位置的索引器,具有整数位置回退 |
df.loc[] | 通过标签或布尔数组访问一组行和列 |
df.memory_usage() | 内存使用情况#Index 80 Name 24 Age 24 sex 3 dtype: int64 |
df.ndim | 基础数据维数 2 |
df.shape | 数据形状元组 (3, 3) |
df.size | 数据元素数量 9 |
df.style | 返回Styler对象的属性# pandas.io.formats.style.Styler |
df.T | 转置 |
df.values | 返回数据帧的ndarray #array([['Tom', ...],…, dtype=object) |
实例:
df.T# 0 1 2# Name Tom Jim Bob# Age 25 26 25# sex False True Falsedf.ftypes# Name object:dense# Age int64:dense# sex bool:dense# dtype: object
转载地址:https://chunyou.blog.csdn.net/article/details/84780143 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
不错!
[***.144.177.141]2024年04月11日 09时56分26秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
字符串外面是b“ “的转换 -亲测有效
2019-04-29
单通道和多通道卷积
2019-04-29
npy文件和pkl文件的保存和读取
2019-04-29
middle-判断二分图-深度优先和广度优先
2019-04-29
买卖股票的最佳时机
2019-04-29
AUC粗浅理解笔记记录
2019-04-29
torch 模型运行时间与forward没对应的可能原因
2019-04-29
JavaScript 的addEventListener() 事件监听详解!
2019-04-29
上传图片到阿里云OSS和获取上传图片的url的详解 !
2019-04-29
Kafka为什么这么快?
2019-04-29
Java 生产者和消费者面试题
2019-04-29
生产者消费者问题
2019-04-29
本机电脑连接虚拟机redis失败解决方法
2019-04-29
DM365 应用层gpio控制
2019-04-29
linux i2c子系统abc
2019-04-29
力扣的环形链表解法 (Python)
2019-04-29
CSS3 帧动画(Sprite,直译叫雪碧图)
2019-04-29
Java 父线程与子线程相互通信的方法
2019-04-29
Redis 六种淘汰策略和三种删除策略
2019-04-29
Java LinkedHashMap
2019-04-29