最新消息: PyCharm vs VSCode,哪个更好?
您现在的位置是:群英 > 开发技术 > Python语言 >
pandas中查看数据类型的几种方式
ITPUB发表于 2021-01-13 16:30 次浏览
在获得数据之后、分析数据之前,我们一般需要对数据总体进行一个概览,如有哪些字段,每个字段的类型,值是否缺失等,以下列出了几种方法,供我们方便快捷的查看dataframe的数据类型。


 
import  os, sys
import numpyt as np
import   pandas  as pd 
读取excel 表格. 
res=pd.DataFrame(pd.read_excl(file_name))
res= pd.read_csv
写 excle   
res.to_excel(file_name) 
res.to_csv(file_name)
>>> s
0         1
1         2
2        3a
3        3b
4       03c
5    我们(无效)
dtype: object
>>> type(s)
找到指定字符的数据
>>> s.str.contains(u'(?=我们).*')
0    False
1    False
2    False
3    False
4    False
5     True
dtype: bool
>>> s[s.str.contains(u'(?=我们).*')]
5    我们(无效)
dtype: object
>>> 
>>> s.str.contains(u'无效')
0    False
1    False
2    False
3    False
4    False
5     True
dtype: bool
>>> s[s.str.contains(u'无效')]
5    我们(无效)
dtype: object
>>> import numpy as np
>>> n=10
>>> df = pd.DataFrame(np.random.randint(n, size=(n, 2)), columns=list('bc'))
>>> df
   b  c
0  1  6
1  3  6
2  0  9
3  2  4
4  7  5
5  7  2
6  9  7
7  1  2
8  3  7
9  3  6
数据查询条件. 
>>> df[df['b'] > 5]
   b  c
4  7  5
5  7  2
6  9  7
列之间比较. 
>>> df[df.b > df.c]
   b  c
4  7  5
5  7  2
6  9  7 
从数据集中删除筛选出来的数据集. 
>>> df2=df
>>> df2
   b  c
0  1  6
1  3  6
2  0  9
3  2  4
4  7  5
5  7  2
6  9  7
7  1  2
8  3  7
9  3  6
>>> df3=df[df.b > df.c]
>>> df3
   b  c
4  7  5
5  7  2
6  9  7
>>> df2.drop(df3.index)
   b  c
0  1  6
1  3  6
2  0  9
3  2  4
7  1  2
8  3  7
9  3  6
几个数据统计方面的方法. 
>>> df2
   b  c
0  1  6
1  3  6
2  0  9
3  2  4
4  7  5
5  7  2
6  9  7
7  1  2
8  3  7
9  3  6
>>> 
>>> df2.groupby(by='b').sum() 求和  
    c
b    
0   9
1   8
2   4
3  19
7   7
9   7
>>> df2.groupby(by='b').count()  计数,
   c
b   
0  1
1  2
2  1
3  3
7  2
9  1
>>> df2.groupby(by='b').mean()  平均值.
          c
b          
0  9.000000
1  4.000000
2  4.000000
3  6.333333
7  3.500000
9  7.000000
 

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:mmqy2019@163.com进行举报,并提供相关证据,查实之后,将立刻删除涉嫌侵权内容。
相关信息推荐