没有合适的资源？快使用搜索试试~ 我知道了~

文库首页人工智能机器学习Pandas 主要知识点.pdf

Pandas 主要知识点.pdf

pandas

pdf

需积分: 50 29 下载量 50 浏览量 2019-08-15 12:43:20 上传评论 1 收藏 909KB PDF 举报

温馨提示

试读

48页

python 主要数据分析库pandas 知识点总结pdf：包括1. Series 2. DataFrame （查询；数据操作、储存、运算）3.数据清洗、转换（groupby等）后续会继续分享pandas思维导图

资源推荐

资源详情

资源评论

(base) C:\Users\30330>conda update -n base -c defaults conda Channels: - defaults - https://mirrors.ustc.edu.cn/anaconda/pkgs/free - https://mirrors.ustc.edu.cn/anaconda/cloud/menpo - https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda - https://mirrors.ustc.edu.cn/anaconda/cloud/msys2 - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge - https://mirrors.ustc.edu.cn/anaconda/pkgs/main - https://mirrors.aliyun.com/anaconda/pkgs/main - https://mirrors.aliyun.com/anaconda/pkgs/free - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free Platform: win-64 Collecting package metadata (repodata.json): failed UnavailableInvalidChannel: HTTP 404 NOT FOUND for channel anaconda/pkgs/main <https://mirrors.aliyun.com/anaconda/pkgs/main> The channel is not accessible or is invalid. You will need to adjust your conda configuration to proceed. Use `conda config --show channels` to view your configuration's current state, and use `conda config --show-sources` to view config file locations.

<think>我们正在解决conda更新时出现的404错误，特别是修复不可用的镜像源问题。用户提到的......

Pandas 主要知识点

Pandas 数据类型例子

# 载入 pandas 库

import pandas as pd

# 创建 Series 数据类型

s = pd.Series([2, 4, 6, 8, 10])

# 创建 DataFrame 数据类型

d = pd.DataFrame([

[2, 4, 6, 8, 10],

[12, 14, 16, 18, 20]

])

0 2

1 4

2 6

3 8

4 10

dtype: int64

因为 Series 和 DataFram 方法用的非常多，也可以将其引入本地命名空间方便代码

书写

from pandas import Series, DataFrame

s = Series([2, 4, 6, 8, 10])

d = DataFrame([

[2, 4, 6, 8, 10],

[12, 14, 16, 18, 20]

])

数据类型-Series

import numpy as np

import pandas as pd

s = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])

• Series 对象：一维的，带标签的数组（类似字典或加索引的一维数组）

• Series 对象是 ndarray 数组的派生类型，和数组相比类型没有限制

• Series 对象本质上由两个 ndarray 数组构成，一个数组构成对象的键(index，索

引，标签)，一个数组构成对象的值(values)，键 -> 值

• Numpy 中的数组运算和操作都可用于 Series 对象（Series 本质上是 ndarray）

• Python 字典操作部分可用于 Series（Series 内部实现的部分）

Series 对象的操作（创建和查增改删）

C，create，创建

Python list 列表创建 Series

# 不设置 index 时使用默认索引 0 1 2 3...n-1，位置

class1 = pd.Series([100, 25, 50, 90, 60])

# 自定义索引，标签

class1 = pd.Series([100, 25, 59, 90, 61], index=['ming', 'hua',

'hong', 'huang', 'bai'])

# 可存储不同数据类型

hong = pd.Series([True, 18, 59.5, '小红'], index=['sex', 'age',

'grade', 'name'])

type(hong[0]), type(hong[3])

Python 字典创建 Series

class1 = pd.Series({'hong': 50, 'huang': 90, 'qing': 60})

# 修改字典索引

class1_values = {'hong': 50, 'huang': 90, 'qing': 60}

class1_index = ['hong', 'huang', 'lan']

class1 = pd.Series(class1_values, index=class1_index)

其他方式创建 Series

# ndarray 创建 Series，索引和数据都可以通过 ndarray 类型生成

f = pd.Series(np.arange(5))

g_values = np.arange(5)

g_index = np.arange(9, 4, -1)

g = pd.Series(g_values, index = g_index)

# 某些序列函数创建 Series，例如可迭代对象

range(10)

list(range(10)) # 迭代器

h = pd.Series(range(10))

# 标量值创建 Series

i = pd.Series(10)

j = pd.Series(10, index=['a', 'b', 'c'])

R，read，查询

index 和 value 查询

class1

# 值数据，输出类型为 array，还是 ndarray 数组

class1.values

# 索引，输出 index 类型（Pandas 独有的索引类型）,本质上就是 ndarray

class1.index

class1.index[2]

class1.index.values

索引查询

class1

# 查询单值

## 位置索引，默认，自动生成，和自定义索引并存

class1[1]

## 标签索引，自定义索引

class1['hua']

class1.hua # 方法调用写法

# 查询多值

class1[[1, 3, 4]]

class1[['hua', 'huang', 'bai']] # 注意双括号

# b[[1, 'hua', 'huang']] #错误，两套索引并存,但不能混用

切片

class1

# 位置切片，默认索引，左闭右开

class1[:3]

# 标签切片，自定义索引

# 注意：两边都闭区间（因为使用标签索引时通常不知道标签顺序，很难确定结束

前一个标签是什么）

class1[:'huang']

class1['huang':]

# 步长

class1[::2]

class1[::-1] #步长-1，逆序

类似 ndarray 的数组运算

如根据布尔数组进行过滤、标量算术运算、应用数学函数等，会保留索引和值之间

的关系链接

class1

# 过滤

class1 >= 60

class1[class1 >= 60]

# 标量算数运算

class1 + 1

# 应用函数

np.median(class1) # 中位数

class1.median() # 方法调用写法

类似 Python 字典的操作

• 保留字 in 操作

• 使用.get()方法

class1

'c' in class1 # 判断此键在不在 class1 的索引中

# 0 in class1 # 错误，in 不会判断自动索引

class1.get('zi', 60) #从 class1 中提取索引 zi 的值,如果存在就取出,不存在

用 60 代替

U，update，修改

read 查询选中赋值即可修改

class1

# values 值修改

class1['ming'] = 0

class1[['hua','hong']] = 55

class1[['hua','hong']] = [35, 55]

class1['hua','hong'] = [1, 2] # 一层也可以

class1

# 索引修改

class2 = class1.copy() # 复制副本而非引用视图，类似深拷贝

class2.index = ['xiaoming', 'xiaohua', 'xiaohong','xiaohuang',

'xiaobai']

剩余47页未读，继续阅读

评论收藏

内容反馈

资源评论

资源反馈

评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~

Mr.Material

粉丝: 3571

上传资源快速赚钱

我的内容管理展开

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

前往需求广场，查看用户热搜

Pandas 主要知识点.pdf

pandas官方文档中文版.pdf_pandas_

pandas.pdf

pandas官网教程pdf

pandas常用操作.pdf

pandas基础使用教程.pdf

Pandas手册.pdf

pandas最全指导手册.pdf

Pandas 使用手册.pdf

pandas学习笔记PDF超详细

用实战玩转Pandas数据分析.pdf

pandas 中文手册.pdf

python数据分析pandas快速入门教程.pdf

Pandas数据分析120道训练题.pdf

pandas教程

Learning Pandas 无水印pdf

【整理】pandas教程

pandas描述性统计.pdf

最全Python基础的知识点复习完整版.doc.pdf

Pandas for Everyone Python Data Analysis 无水印pdf

python：pandas手册

pandas,numpy笔记.docx

十分钟搞定pandas

2.pandas数据结构项目.pdf

pandas中文基础文档.pdf

pandas官方教程0.20.2.pdf

【Dify】PPT制作助手应用

最新资源