value_counts()是Series拥有的方法 一般在Dataframe中使用时 需要指定对哪一列或行使用
import pandas as pd a pd.Dataframe([[1,2,3], [3,1,3], [1,2,1]]) result a.apply(pd.value_counts) print(result)
那么 如果列表项统计 如何将列表变成dataframe
import pandas as pd from pandas.core.frame import Dataframe a [1, 2, 3, 1, 1, 2,2,2] a2 Dataframe(a) a2.value_counts()
字典如何转dataframe
from pandas.core.frame import Dataframe
a [1,2,3,4]#列表a
b [5,6,7,8]#列表b
c { a : a,
b : b}#将列表a b转换成字典
data Dataframe(c)#将字典转换成为数据框
print(data)
3 排序 降序是FALSE
# 两个字段都降序 df.sort_values(by [ aqiLevel , bWendu ],ascending False)4 两个dataframe拼接不同顺序字段
import pandas as pd
import numpy as np
data { name : [ Joe , Mike , Jack , Rose , David , Marry , Wansi , Sidy , Jason , Even ],
age : [25, 32, 18, np.nan, 15, 20, 41, np.nan, 37, 32],
gender : [1, 0, 1, 1, 0, 1, 0, 0, 1, 0],
isMarried : [ yes , yes , no , yes , no , no , no , yes , no , no ]}
labels [ a , b , c , d , e , f , g , h , i , j ]
df pd.Dataframe(data, index labels)
fea1 [ age , name ]
fea2 [ age , name , gender ]
fea3 [ gender , age , name ]
df1 df[fea1]
df2 df[fea2]
df3 df[fea3]
df33 pd.concat([df1, df2], axis 0)
df333 pd.concat([df1, df3], axis 0)
#实现变换字段顺序
fea [ age , name ]
df3333 df333[fea]
5 获取dataframe的列三种方法
#获取dataframe的列三种方法 [column for column in df] [a for a in df]
