Python酷库之旅-第三方库Pandas(096)

2024-08-24 17:04

本文主要是介绍Python酷库之旅-第三方库Pandas(096),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

一、用法精讲

411、pandas.DataFrame.values属性

411-1、语法

411-2、参数

411-3、功能

411-4、返回值

411-5、说明

411-6、用法

411-6-1、数据准备

411-6-2、代码示例

411-6-3、结果输出

412、pandas.DataFrame.axes属性

412-1、语法

412-2、参数

412-3、功能

412-4、返回值

412-5、说明

412-6、用法

412-6-1、数据准备

412-6-2、代码示例

412-6-3、结果输出

413、pandas.DataFrame.ndim属性

413-1、语法

413-2、参数

413-3、功能

413-4、返回值

413-5、说明

413-6、用法

413-6-1、数据准备

413-6-2、代码示例

413-6-3、结果输出

414、pandas.DataFrame.size属性

414-1、语法

414-2、参数

414-3、功能

414-4、返回值

414-5、说明

414-6、用法

414-6-1、数据准备

414-6-2、代码示例

414-6-3、结果输出

415、pandas.DataFrame.shape属性

415-1、语法

415-2、参数

415-3、功能

415-4、返回值

415-5、说明

415-6、用法

415-6-1、数据准备

415-6-2、代码示例

415-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

411、pandas.DataFrame.values属性
411-1、语法
# 411、pandas.DataFrame.values属性
pandas.DataFrame.values
Return a Numpy representation of the DataFrame.WarningWe recommend using DataFrame.to_numpy() instead.Only the values in the DataFrame will be returned, the axes labels will be removed.Returns:
numpy.ndarray
The values of the DataFrame.
411-2、参数

        无

411-3、功能

        获取DataFrame中的所有数据,忽略行索引和列标签,方便进行数值计算和操作,因为返回的是NumPy数组。

411-4、返回值

        返回一个NumPy ndarray,包含DataFrame中的所有数据,该属性提供了对DataFrame内部存储数据的直接访问。

411-5、说明

411-5-1、如果DataFrame中只有一种数据类型,返回的数组的数据类型将对应该类型,如整数或浮点数。

411-5-2、推荐使用df.to_numpy()来替代values属性,以获得更好的功能和灵活性。

411-6、用法
411-6-1、数据准备
411-6-2、代码示例
# 411、pandas.DataFrame.values属性
import pandas as pd
# 创建一个DataFrame
data = {'A': [1, 2, 3],'B': [4.5, 5.5, 6.5],'C': ['foo', 'bar', 'baz']
}
df = pd.DataFrame(data)
# 使用values属性
array_values = df.values
print("DataFrame的值:")
print(array_values)
411-6-3、结果输出
# 411、pandas.DataFrame.values属性
# DataFrame的值:
# [[1 4.5 'foo']
#  [2 5.5 'bar']
#  [3 6.5 'baz']]
412、pandas.DataFrame.axes属性
412-1、语法
# 412、pandas.DataFrame.axes属性
pandas.DataFrame.axes
Return a list representing the axes of the DataFrame.It has the row axis labels and column axis labels as the only members. They are returned in that order.
412-2、参数

        无

412-3、功能

        用于获取DataFrame的轴标签,返回一个包含行索引和列索引的列表。

412-4、返回值

        返回一个列表,其中包含两个元素:[index, columns]

412-5、说明

        无

412-6、用法
412-6-1、数据准备
412-6-2、代码示例
# 412、pandas.DataFrame.axes属性
import pandas as pd
# 创建一个DataFrame
data = {'A': [1, 2, 3],'B': [4.5, 5.5, 6.5],'C': ['foo', 'bar', 'baz']
}
df = pd.DataFrame(data)
# 使用axes属性
axes = df.axes
print("DataFrame的轴标签:")
print("行索引:", axes[0])
print("列索引:", axes[1])
412-6-3、结果输出
# 412、pandas.DataFrame.axes属性
# DataFrame的轴标签:
# 行索引: RangeIndex(start=0, stop=3, step=1)
# 列索引: Index(['A', 'B', 'C'], dtype='object')
413、pandas.DataFrame.ndim属性
413-1、语法
# 413、pandas.DataFrame.ndim属性
pandas.DataFrame.ndim
Return an int representing the number of axes / array dimensions.Return 1 if Series. Otherwise return 2 if DataFrame.
413-2、参数

        无

413-3、功能

        用于获取DataFrame的维度。

413-4、返回值

        返回一个整数,表示数据的维度级别。

413-5、说明

        无

413-6、用法
413-6-1、数据准备
413-6-2、代码示例
# 413、pandas.DataFrame.ndim属性
import pandas as pd
# 创建一个DataFrame
data = {'A': [1, 2, 3],'B': [4.5, 5.5, 6.5],'C': ['foo', 'bar', 'baz']
}
df = pd.DataFrame(data)
# 获取DataFrame的维度
dimensions = df.ndim
print("DataFrame的维度:", dimensions)
413-6-3、结果输出
# 413、pandas.DataFrame.ndim属性
# DataFrame的维度: 2
414、pandas.DataFrame.size属性
414-1、语法
# 414、pandas.DataFrame.size属性
pandas.DataFrame.size
Return an int representing the number of elements in this object.Return the number of rows if Series. Otherwise return the number of rows times number of columns if DataFrame.
414-2、参数

        无

414-3、功能

        用于获取DataFrame中所有元素的总数。

414-4、返回值

        返回一个整数,表示DataFrame中的行数与列数的乘积。

414-5、说明

        无

414-6、用法
414-6-1、数据准备
414-6-2、代码示例
# 414、pandas.DataFrame.size属性
import pandas as pd
# 创建一个DataFrame
data = {'A': [1, 2, 3],'B': [4.5, 5.5, 6.5],'C': ['foo', 'bar', 'baz']
}
df = pd.DataFrame(data)
# 获取DataFrame的大小
total_elements = df.size
print("DataFrame的总元素数:", total_elements)
414-6-3、结果输出
# 414、pandas.DataFrame.size属性
# DataFrame的总元素数: 9
415、pandas.DataFrame.shape属性
415-1、语法
# 415、pandas.DataFrame.shape属性
pandas.DataFrame.shape
Return a tuple representing the dimensionality of the DataFrame.
415-2、参数

        无

415-3、功能

        用于获取DataFrame的维度信息。

415-4、返回值

        返回一个元组,其中包含行数和列数。

415-5、说明

        无

415-6、用法
415-6-1、数据准备
415-6-2、代码示例
# 415、pandas.DataFrame.shape属性
import pandas as pd
# 创建一个DataFrame
data = {'A': [1, 2, 3],'B': [4.5, 5.5, 6.5],'C': ['foo', 'bar', 'baz']
}
df = pd.DataFrame(data)
# 获取DataFrame的维度
dimensions = df.shape
print("DataFrame的维度:", dimensions)
415-6-3、结果输出
# 415、pandas.DataFrame.shape属性
# DataFrame的维度: (3, 3)

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

这篇关于Python酷库之旅-第三方库Pandas(096)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1103078

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

如何更优雅地对接第三方API

如何更优雅地对接第三方API 本文所有示例完整代码地址:https://github.com/yu-linfeng/BlogRepositories/tree/master/repositories/third 我们在日常开发过程中,有不少场景会对接第三方的API,例如第三方账号登录,第三方服务等等。第三方服务会提供API或者SDK,我依稀记得早些年Maven还没那么广泛使用,通常要对接第三方

Python QT实现A-star寻路算法

目录 1、界面使用方法 2、注意事项 3、补充说明 用Qt5搭建一个图形化测试寻路算法的测试环境。 1、界面使用方法 设定起点: 鼠标左键双击,设定红色的起点。左键双击设定起点,用红色标记。 设定终点: 鼠标右键双击,设定蓝色的终点。右键双击设定终点,用蓝色标记。 设置障碍点: 鼠标左键或者右键按着不放,拖动可以设置黑色的障碍点。按住左键或右键并拖动,设置一系列黑色障碍点