Python酷库之旅-第三方库Pandas(100)

2024-08-26 12:20
文章标签 python 100 第三方 pandas 酷库

本文主要是介绍Python酷库之旅-第三方库Pandas(100)，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

431、pandas.DataFrame.items方法

431-1、语法

431-2、参数

431-3、功能

431-4、返回值

431-5、说明

431-6、用法

431-6-1、数据准备

431-6-2、代码示例

431-6-3、结果输出

432、pandas.DataFrame.keys方法

432-1、语法

432-2、参数

432-3、功能

432-4、返回值

432-5、说明

432-6、用法

432-6-1、数据准备

432-6-2、代码示例

432-6-3、结果输出

433、pandas.DataFrame.iterrows方法

433-1、语法

433-2、参数

433-3、功能

433-4、返回值

433-5、说明

433-6、用法

433-6-1、数据准备

433-6-2、代码示例

433-6-3、结果输出

434、pandas.DataFrame.itertuples方法

434-1、语法

434-2、参数

434-3、功能

434-4、返回值

434-5、说明

434-6、用法

434-6-1、数据准备

434-6-2、代码示例

434-6-3、结果输出

435、pandas.DataFrame.pop方法

435-1、语法

435-2、参数

435-3、功能

435-4、返回值

435-5、说明

435-6、用法

435-6-1、数据准备

435-6-2、代码示例

435-6-3、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

431、pandas.DataFrame.items方法
431-1、语法
# 431、pandas.DataFrame.items方法
pandas.DataFrame.items()
Iterate over (column name, Series) pairs.Iterates over the DataFrame columns, returning a tuple with the column name and the content as a Series.Yields:
label
object
The column names for the DataFrame being iterated over.content
Series
The column entries belonging to each label, as a Series.
431-2、参数

        无

431-3、功能

        返回一个生成器，它生成一个(column name, Series)元组，对于每个元组，column name是列的名称，而Series是该列的数据。

431-4、返回值

        返回一个迭代器，每次迭代会生成一个(column name, Series)对。

431-5、说明

        无

431-6、用法
431-6-1、数据准备
无
431-6-2、代码示例
# 431、pandas.DataFrame.items方法
import pandas as pd
# 创建一个简单的DataFrame
df = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})
# 使用items()方法迭代DataFrame的列
for column_name, series in df.items():print(f"Column name: {column_name}")print(f"Column data:\n{series}\n")
431-6-3、结果输出
# 431、pandas.DataFrame.items方法
# Column name: A
# Column data:
# 0    1
# 1    2
# 2    3
# Name: A, dtype: int64
# 
# Column name: B
# Column data:
# 0    4
# 1    5
# 2    6
# Name: B, dtype: int64
# 
# Column name: C
# Column data:
# 0    7
# 1    8
# 2    9
# Name: C, dtype: int64
432、pandas.DataFrame.keys方法
432-1、语法
# 432、pandas.DataFrame.keys方法
pandas.DataFrame.keys()
Get the ‘info axis’ (see Indexing for more).This is index for Series, columns for DataFrame.Returns:
Index
Info axis.
432-2、参数

        无

432-3、功能

        返回一个包含列名的Index对象。

432-4、返回值

        返回一个pandas Index对象，其中包含DataFrame的所有列名。

432-5、说明

        无

432-6、用法
432-6-1、数据准备
无
432-6-2、代码示例
# 432、pandas.DataFrame.keys方法
import pandas as pd
# 创建一个简单的DataFrame
df = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})
# 使用keys()方法获取DataFrame的列名
column_names = df.keys()
# 打印列名
print(column_names)
432-6-3、结果输出
# 432、pandas.DataFrame.keys方法
# Index(['A', 'B', 'C'], dtype='object')
433、pandas.DataFrame.iterrows方法
433-1、语法
# 433、pandas.DataFrame.iterrows方法
pandas.DataFrame.iterrows()
Iterate over DataFrame rows as (index, Series) pairs.Yields:
index
label or tuple of label
The index of the row. A tuple for a MultiIndex.data
Series
The data of the row as a Series.
433-2、参数

        无

433-3、功能

        逐行遍历DataFrame，并将每行的数据以Series的形式返回。

433-4、返回值

        返回一个迭代器对象，每次迭代返回一个(index,Series)对。

433-5、说明

433-5-1、iterrows()的性能相对较低，因为每行都被转换为一个pandas Series对象，这可能会导致在处理大型DataFrame时的效率低下。

433-5-2、DataFrame中的dtypes可能在iterrows()过程中发生变化，因为每行返回的Series可能会自动转换为最适合存储该行数据的dtype。

433-5-3、如果需要更高效地遍历行，可以考虑使用DataFrame.itertuples()，它返回的是命名元组，性能更佳。

433-6、用法
433-6-1、数据准备
无
433-6-2、代码示例
# 433、pandas.DataFrame.iterrows方法
import pandas as pd
# 创建一个简单的DataFrame
df = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})
# 使用iterrows方法遍历DataFrame的每一行
for index, row in df.iterrows():print(f"Index: {index}")print(f"Row data:\n{row}\n")
433-6-3、结果输出
# 433、pandas.DataFrame.iterrows方法
# Index: 0
# Row data:
# A    1
# B    4
# C    7
# Name: 0, dtype: int64
# 
# Index: 1
# Row data:
# A    2
# B    5
# C    8
# Name: 1, dtype: int64
# 
# Index: 2
# Row data:
# A    3
# B    6
# C    9
# Name: 2, dtype: int64
434、pandas.DataFrame.itertuples方法
434-1、语法
# 434、pandas.DataFrame.itertuples方法
pandas.DataFrame.itertuples(index=True, name='Pandas')
Iterate over DataFrame rows as namedtuples.Parameters:
index
bool, default True
If True, return the index as the first element of the tuple.name
str or None, default “Pandas”
The name of the returned namedtuples or None to return regular tuples.Returns:
iterator
An object to iterate over namedtuples for each row in the DataFrame with the first field possibly being the index and following fields being the column values.
434-2、参数

434-2-1、index(可选，默认值为True)：指定是否在返回的命名元组中包含DataFrame的行索引(即行标签)。当index=True时，返回的命名元组的第一个元素将是该行的索引(即行标签)；当index=False时，索引不会包含在返回的命名元组中，只返回列的数据。

434-2-2、name(可选，默认值为'Pandas')：指定返回的命名元组的名称，该参数允许你为返回的命名元组指定一个自定义的名称，如果将name=None，则返回的是普通的元组，而不是命名元组。

434-3、功能

        用于生成DataFrame每行的一个命名元组，并提供了可选参数用于定制返回的命名元组结构。

434-4、返回值

        返回一个生成器，每次迭代生成一个表示DataFrame一行数据的命名元组或普通元组(取决于name参数)，命名元组的字段名与DataFrame的列标签相对应，当index=True时，第一个字段名为Index，表示行索引。

434-5、说明

434-5-1、性能优势：itertuples()比iterrows()更高效，特别是在处理大规模数据时，建议使用itertuples()。

434-5-2、字段名称限制：DataFrame列标签在命名元组中会转换为有效的Python标识符，如果列名中有非法字符(如空格、数字开头等)，这些字符会被替换或忽略。

434-5-3、无法修改数据：使用itertuples()只能读取数据，而不能直接修改DataFrame的数据。

434-6、用法
434-6-1、数据准备
无
434-6-2、代码示例
# 434、pandas.DataFrame.itertuples方法
import pandas as pd
# 创建一个简单的DataFrame
df = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})
# 使用itertuples方法遍历DataFrame的每一行，包含索引并命名元组为'Pandas'
for row in df.itertuples(index=True, name='Pandas'):print(row)
# 使用itertuples方法遍历DataFrame的每一行，不包含索引并命名元组为'CustomName'
for row in df.itertuples(index=False, name='CustomName'):print(row)
434-6-3、结果输出
# 434、pandas.DataFrame.itertuples方法
# Pandas(Index=0, A=1, B=4, C=7)
# Pandas(Index=1, A=2, B=5, C=8)
# Pandas(Index=2, A=3, B=6, C=9)
# CustomName(A=1, B=4, C=7)
# CustomName(A=2, B=5, C=8)
# CustomName(A=3, B=6, C=9)
435、pandas.DataFrame.pop方法
435-1、语法
# 435、pandas.DataFrame.pop方法
pandas.DataFrame.pop(item)
Return item and drop from frame. Raise KeyError if not found.Parameters:
item
label
Label of column to be popped.Returns:
Series
435-2、参数

435-2-1、item(必须)：字符串，指定要移除的列的名称(即列标签)，该参数必须是DataFrame中存在的列名，否则会引发KeyError。

435-3、功能

        用于移除DataFrame中的指定列(以列标签的方式指定)，该方法不仅会从DataFrame中删除这个列，还会将其作为一个Series返回。

435-4、返回值

        返回被移除的列的数据，以Series的形式。

435-5、说明

435-5-1、列名必须存在：pop()方法要求item参数指定的列名必须存在于DataFrame中，否则会引发KeyError。

435-5-2、不可逆操作：pop()是一个不可逆操作，一旦执行该操作并删除了列后，如果没有保存返回的Series数据，就无法恢复该列。

435-5-3、直接修改DataFrame：pop()方法直接修改调用该方法的DataFrame，会实质性地移除指定的列。

435-5-4、性能：相对来说，pop()比在删除列后重新赋值更高效，因为它会直接修改原始的数据结构。

435-6、用法
435-6-1、数据准备
无
435-6-2、代码示例
# 435、pandas.DataFrame.pop方法
import pandas as pd
# 创建一个示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})
# 输出原始DataFrame
print("原始DataFrame：")
print(df)
# 使用pop方法移除列'B'
removed_column = df.pop('B')
# 输出被移除的列
print("\n被移除的列'B'：")
print(removed_column)
# 输出移除列'B'后的DataFrame
print("\n移除列后DataFrame：")
print(df)
435-6-3、结果输出
# 435、pandas.DataFrame.pop方法
# 原始DataFrame：
#    A  B  C
# 0  1  4  7
# 1  2  5  8
# 2  3  6  9
# 
# 被移除的列'B'：
# 0    4
# 1    5
# 2    6
# Name: B, dtype: int64
# 
# 移除列后DataFrame：
#    A  C
# 0  1  7
# 1  2  8
# 2  3  9

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(100)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/1108551。

相关文章

Python将博客内容html导出为Markdown格式

Python将博客内容html导出为Markdown格式

《Python将博客内容html导出为Markdown格式》Python将博客内容html导出为Markdown格式,通过博客url地址抓取文章,分析并提取出文章标题和内容,将内容构建成html,再转... 目录一、为什么要搞？二、准备如何搞？三、说搞咱就搞！抓取文章提取内容构建html转存markdown
阅读更多...
Python获取中国节假日数据记录入JSON文件

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢？我尝试一种更为智能的方法：P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验，
阅读更多...
Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整
阅读更多...
Python Websockets库的使用指南

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.
阅读更多...
揭秘Python Socket网络编程的7种硬核用法

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器：探测开放端口2.简易 HTTP 服务器：10 秒搭个网页3.局域网游戏：多人联机对战4.
阅读更多...
使用Python实现快速搭建本地HTTP服务器

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》：本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.
阅读更多...
Python使用自带的base64库进行base64编码和解码

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意
阅读更多...
Python基于wxPython和FFmpeg开发一个视频标签工具

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优
阅读更多...
Pandas使用SQLite3实战

Pandas使用SQLite3实战

《Pandas使用SQLite3实战》本文主要介绍了Pandas使用SQLite3实战,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学... 目录1 环境准备2 从 SQLite3VlfrWQzgt 读取数据到 DataFrame基础用法：读
阅读更多...
Python如何使用__slots__实现节省内存和性能优化

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景：内存吃得满满的类__slots__：你的内存管理小助手举个大概的例子：看看效果如何？1.
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2