网站建设网站建设平台,装修互联网营销公司,精准引流获客软件,绵阳网站排名查看数据类型及属性
# 查看df类型
type(df)
# 查看df的shape属性#xff0c;可以获取DataFrame的行数#xff0c;列数
df.shape
# 查看df的columns属性#xff0c;获取DataFrame中的列名
df.columns
# 查看df的dtypes属性#xff0c;获取每一列的数据类型
df.dtypes
df.i…查看数据类型及属性
# 查看df类型
type(df)
# 查看df的shape属性可以获取DataFrame的行数列数
df.shape
# 查看df的columns属性获取DataFrame中的列名
df.columns
# 查看df的dtypes属性获取每一列的数据类型
df.dtypes
df.info()Pandas与Python常用数据类型对照 加载筛选数据
df根据列名加载部分列数据加载一列数据通过df[列名]方式获取加载多列数据通过df[[列名1,列名2,...]]。
df按行加载部分数据先打印前5行数据 观察第一列 print(df.head()) 最左边一列是行号也就是DataFrame的行索引 Pandas默认使用行号作为行索引。
loc方法传入行索引来获取DataFrame的部分数据一行或多行
df.loc[0]
df.loc[99]
df.loc[last_row_index]iloc : 通过行号获取行数据
iloc传入的是索引的序号loc是索引的标签
使用iloc时可以传入-1来获取最后一行数据使用loc的时候不行loc和iloc属性既可以用于获取列数据也可以用于获取行数据
df.loc[[行][列]]
df.iloc[[行][列]]
df.loc[:,[country,year,pop]]
# 获取全部的行但每一行的列内容接受三个df.iloc[:,[0,2,4,-1]]
df.loc[:,[0,2,4,-1]]
df.iloc[:,0:6:2] # 所有行, 第0 , 第2 第4列 可以通过行和列获取某几个格的元素 分组和聚合运算
先将数据分组 对每组的数据再去进行统计计算如求平均求每组数据条目数频数等 再将每一组计算的结果合并起来 可以使用DataFrame的groupby方法完成分组/聚合计算
df.groupby(byyear)[[lifeExp,pop,gdpPercap]].mean()
# 根据year分组查看每年的life平均值pop平均值和gpd平均值用mean做聚合运算也可以根据两个列分组形成二维数据聚合 df.groupby([continent])[country].nunique()
df.groupby(continent)[lifeExp].max()
# 可以使用 nunique 方法 计算Pandas Series的唯一值计数
# 可以使用 value_counts 方法来获取Pandas Series 的频数统计df.groupby(‘continent’) → dataframeGroupby对象就是把continent取值相同的数据放到一组中 df.groupby(‘continent’)[字段] → seriesGroupby对象 从分号组的Dataframe数据中筛序出一列 df.groupby(‘continent’)[字段].mean() seriesGroupby对象再调用mean()/其它聚合函数
