Python之pandas（三）

前言

学霸在知识的海洋里开快艇，我在知识的海洋里喂鲨鱼
为了不被喂鲨鱼，我又来更新学习了，补充一点pandas的知识点

一、系列文章

Python之pandas（二）

Python之pandas

想要多学习点知识的可以去看看，不想就算了（doge）

文章目录

• 前言
• 一、系列文章
• 二、环境：jupyter Notebook(Anaconda)
• 三、Series的索引操作
• • 1.创建数组
  • 2.使用索引位置来获取数据
  • 3. 使用索引名称来获取数据
  • 4. 使用位置索引进行切片
  • 5. 使用索引名称进行切片
  • 6. 通过不连续位置索引获取数据,（==两个中括号==）
  • 7. 通过不连续索引名称获取数据
  • 8. 布尔型索引,返回与模板中True位置对应的元素
  • 9.通过数据类型索引获取数据集
• 四、DataFrame的索引操作
• • 1. 创建数组
  • 2. 通过列索引进行切片
  • 3. 查看数据类型
  • 4. 使用不连续列索引名称获取数据
  • 5. 使用行索引进行切片
  • 6. 使用列索引和行索引进行切片

二、环境：jupyter Notebook(Anaconda) 三、Series的索引操作 1.创建数组

import pandas as pd
ser_obj=pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
ser_obj

2.使用索引位置来获取数据

ser_obj[3]      #使用索引位置来获取数据

3. 使用索引名称来获取数据

ser_obj['c']     #使用索引名称来获取数据

4. 使用位置索引进行切片

ser_obj[2:4]     #使用位置索引进行切片

5. 使用索引名称进行切片

ser_obj['c':'e']    #使用索引名称进行切片

6. 通过不连续位置索引获取数据,（两个中括号）

ser_obj[[0,2,4]]    #通过不连续位置索引获取数据集

7. 通过不连续索引名称获取数据

ser_obj[['a','c','d']]    #通过不连续索引名称获取数据集

8. 布尔型索引,返回与模板中True位置对应的元素

ser_bool=ser_obj>2    #布尔型索引,返回与模板中True位置对应的元素
ser_bool

9.通过数据类型索引获取数据集

ser_obj[ser_bool]

四、DataFrame的索引操作

DataFrame是Python中Pandas库中的一种数据结构，它类似excel，是一种二维表。
或许说它可能有点像matlab的矩阵，但是matlab的矩阵只能放数值型值（当然matlab也可以用cell存放			多类型数据）
DataFrame的单元格可以存放数值、字符串等，这和excel表很像

同时DataFrame可以设置列名columns与行名index，可以通过像matlab一样通过位置获取数据也可以通过列名和行名定位，具体方法在后面细说。

1. 创建数组

import numpy as np
arr=np.arange(12).reshape(3,4)
df_obj=pd.DataFrame(arr,columns=['a','b','c','d'])
df_obj

2. 通过列索引进行切片

df_obj['b']     #通过列索引进行切片

3. 查看数据类型

type(df_obj['b'])    #查看数据类型

4. 使用不连续列索引名称获取数据

df_obj[['b','d']]    #使用不连续列索引名称获取数据

5. 使用行索引进行切片

df_obj[:2]    #使用行索引进行切片（切片的意思就是切一片嘛，一片数据）

6. 使用列索引和行索引进行切片

df_obj[:3][['b','d']]     #使用列索引和行索引进行切片

觉得写的不错的，记得三连哈~