6. series对象及DataFrame对象知识总结

news2024/11/29 4:43:35

【目录】

文章目录

  • 6. series对象及DataFrame对象知识总结
    • 1. 导入pandas库
    • 2. pd.Series创建Series对象
      • 2.1 data = 列表
      • 2.2 data = 字典
    • 3. s1.index获取索引
    • 4. s1.value获取值
    • 5. pd.DataFrame()-创建DataFrame 对象
      • 5.1 data = 列表
      • 5.2 data = 嵌套列表
      • 5.3 data = 字典
    • 6. df['列索引']获取特定列的数据
    • 7. 总结

【正文】

6. series对象及DataFrame对象知识总结

学习时间:20分钟。

1. 导入pandas库

# 导入pandas库并简写为pd
import pandas as pd

2. pd.Series创建Series对象

【语法】

pd.Series(data, index)
  • data是必需参数,表示要传递的数据。
  • index是可选参数,用于自定义行索引。

data可以是列表、字典等。

2.1 data = 列表

# 导入pandas库并简写为pd
import pandas as pd 

# 传入的数据为列表
data =["赵", "钱", "孙", "李"]
index=['A','B','C','D']

s1 = pd.Series(data,index)
print(s1)

【终端输出】

A    赵
B    钱
C    孙
D    李
dtype: object

2.2 data = 字典

【代码示例】

# 导入pandas库并简写为pd
import pandas as pd 

data = {'A':'赵','B':'钱','C':'孙','D':'李'}
s1 = pd.Series(data)
print(s1)

【终端输出】

A    赵
B    钱
C    孙
D    李
dtype: object

3. s1.index获取索引

【代码示例】

# 导入pandas库并简写为pd
import pandas as pd 

data = {'A':'赵','B':'钱','C':'孙','D':'李'}
s1 = pd.Series(data)
print(s1.index)

【终端输出】

Index(['A', 'B', 'C', 'D'], dtype='object')

4. s1.value获取值

【代码示例】

# 导入pandas库并简写为pd
import pandas as pd 

data = {'A':'赵','B':'钱','C':'孙','D':'李'}
s1 = pd.Series(data)
print(s1.values)

【终端输出】

['赵' '钱' '孙' '李']

5. pd.DataFrame()-创建DataFrame 对象

【语法】

pd.DataFrame(data,index,columns)
  • data是必需参数,表示要传递的数据。
  • index是可选参数,用于自定义索引,默认索引为0
  • columns可选参数,用于自定义索引。默认索引为0

5.1 data = 列表

# 导入pandas库并简写为pd
import pandas as pd 
# 要传入的数据
data =["赵", "钱", "孙", "李"]
df = pd.DataFrame(data, index=['A','B','C','D'] ,columns = ['姓名'])
print(df)

【终端输出】

  姓名
A  赵
B  钱
C  孙
D  李

5.2 data = 嵌套列表

【代码示例】

# 导入pandas库并简写为pd
import pandas as pd 

data =[["赵","男"] ,["钱", "男"],["孙","女"],["李","女"]]

df = pd.DataFrame(data, index=['A','B','C','D'] ,columns = ['姓名','性别'])
print(df)

【终端输出】

  姓名 性别
A  赵  男
B  钱  男
C  孙  女
D  李  女

5.3 data = 字典

【代码示例】

# 导入pandas库并简写为pd
import pandas as pd

# 创建一个字典,包含要添加到DataFrame的数据
data = {'姓名': ['赵', '钱', '孙', '李'],
        '性别': ["男", "男", "女","女"],
        '年龄': [20, 25, 30, 35]}

# 使用字典数据创建DataFrame对象
df = pd.DataFrame(data)
print(df)

【终端输出】

  姓名 性别  年龄
0  赵  男  20
1  钱  男  25
2  孙  女  30
3  李  女  35

6. df[‘列索引’]获取特定列的数据

【代码示例】

# 导入pandas库并简写为pd
import pandas as pd

# 创建一个字典,包含要添加到DataFrame的数据
data = {'姓名': ['赵', '钱', '孙', '李'],
        '性别': ["男", "男", "女","女"],
        '年龄': [20, 25, 30, 35]}

# 使用字典数据创建DataFrame对象
print(df)
print("*****姓名列对应的数据*****")
print(df['姓名'])

【终端输出】

  姓名 性别  年龄
0  赵  男  20
1  钱  男  25
2  孙  女  30
3  李  女  35
*****姓名列对应的数据*****
0    赵
1    钱
2    孙
3    李
Name: 姓名, dtype: object

7. 总结

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/967769.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Linux安装MySQL5.7.26教程图解

0、准备工作 下载MySQL软件包 ①、官网下载:https://www.cnblogs.com/linu-x/p/15701479.html#_label6 ②、百度网盘下载:百度网盘 请输入提取码 提取码:chao ③、文件说明 主机名 CentOS版本 MySQL版本 IP地址 test CentOS Linux …

AtCoder Beginner Contest 318

目录 A - Full Moon B - Overlapping sheets C - Blue Spring D - General Weighted Max Matching E - Sandwiches F - Octopus A - Full Moon #include<bits/stdc.h> using namespace std; const int N1e65; typedef long long ll ; const int maxv4e65; typedef …

nsq中diskqueue详解 - 第二篇

上一篇博客 nsq中diskqueue详解 - 第一篇_YZF_Kevin的博客-CSDN博客 中我们讲了diskqueue是什么&#xff0c;为什么需要它&#xff0c;它的整体架构流程&#xff0c;以及对外接口等等&#xff0c;如果你还没了解过&#xff0c;强烈建议先看一下&#xff0c;不然直接看这篇博客的…

AVR128单片机 USART通信控制发光二极管显示

一、系统方案 二、硬件设计 原理图如下&#xff1a; 三、单片机软件设计 1、首先是系统初始化 void port_init(void) { PORTA 0xFF; DDRA 0x00;//输入 PORTB 0xFF;//低电平 DDRB 0x00;//输入 PORTC 0xFF;//低电平 DDRC 0xFF;//输出 PORTE 0xFF; DDRE 0xfE;//输出 PO…

Leetcode Top 100 Liked Questions(序号236~347)

236. Lowest Common Ancestor of a Binary Tree 题意&#xff1a;二叉树&#xff0c;求最近公共祖先&#xff0c;All Node.val are unique. 我的思路 首先把每个节点的深度得到&#xff0c;之后不停向上&#xff0c;直到val相同&#xff0c;存深度就用map存吧 但是它没有向…

Lesson4-2:OpenCV图像特征提取与描述---Harris和Shi-Tomas算法

学习目标 理解Harris和Shi-Tomasi算法的原理能够利用Harris和Shi-Tomasi进行角点检测 1 Harris角点检测 1.1 原理 H a r r i s Harris Harris角点检测的思想是通过图像的局部的小窗口观察图像&#xff0c;角点的特征是窗口沿任意方向移动都会导致图像灰度的明显变化&#xff…

【多线程】线程间通信及状态

文章目录 1. 线程间的通信1.1 wait和notify1.2 notify随机唤醒1.3 notifyAll()1.4 join() 2. 线程间的状态3. 验证线程的状态3.1 验证NEW、RUNNABLE、TERMINATED3.2 验证WAITING3.3 验证TIMED-WAITING3.4 验证BLOCKED 4. 面试题&#xff1a;wait和sleep对比 1. 线程间的通信 1…

人工智能轨道交通行业周刊-第58期(2023.8.28-9.3)

本期关键词&#xff1a;成都智慧工厂、机务段、站台地标、备案大模型、AIGC报告 1 整理涉及公众号名单 1.1 行业类 RT轨道交通人民铁道世界轨道交通资讯网铁路信号技术交流北京铁路轨道交通网上榜铁路视点ITS World轨道交通联盟VSTR铁路与城市轨道交通RailMetro轨道世界铁路…

Redis 缓存穿透击穿和雪崩

一、说明 Redis 缓存的使用&#xff0c;极大的提升了应用程序的性能和效率&#xff0c;特别是数据查询方面。但同时&#xff0c;它也带来了一些问题。其中&#xff0c;最要害的问题&#xff0c;就是数据的一致性问题&#xff0c;从严格意义上讲&#xff0c;这个问题无解。如果对…

C# Color颜色RGB对照表

序号Color色系颜色RGB图例1Color.AliceBlue蓝色艾丽丝蓝240,248,2552Color.AntiqueWhite白色古典白色250,235,2153Color.Aqua&#xff0c;Color.Cyan青色浅蓝色&#xff0c;蓝绿色&#xff0c;青色0,255,255 C# Color颜色RGB对照表_旭东怪的博客-CSDN博客 C#颜色和名称样式对照…

Nginx全家桶配置详解

源码包安装NGINX A&#xff0c;搭建Web Server&#xff0c;任意HTML页面&#xff0c;其8080端口提供Web访问服务&#xff0c;截图成功访问http(s)&#xff1a;//[Server1]:8080并且回显Web页面。保留Server1&#xff0c;但是不允许直接访问Server 1&#xff0c;再部署1套NGINX …

8.(Python数模)马尔科夫链预测

Python实现马尔科夫链预测 马尔科夫链原理 马尔科夫链是一种进行预测的方法&#xff0c;常用于系统未来时刻情况只和现在有关&#xff0c;而与过去无关。 用下面这个例子来讲述马尔科夫链。 如何预测下一时刻计算机发生故障的概率&#xff1f; 当前状态只存在0&#xff08;故…

1分钟实现 CLIP + Annoy + Gradio 文搜图+图搜图 系统

多模态图文搜索系统 CLIP 进行 Text 和 Image 的语义EmbeddingAnnoy 向量数据库实现树状结构索引来加速最近邻搜索Gradio 轻量级的机器学习 Web 前端搭建 文搜图 图搜图 CLIP图像语义提取功能&#xff01;

生信分析Python实战练习 3 | 视频21

开源生信 Python教程 生信专用简明 Python 文字和视频教程 源码在&#xff1a;https://github.com/Tong-Chen/Bioinfo_course_python 目录 背景介绍 编程开篇为什么学习Python如何安装Python如何运行Python命令和脚本使用什么编辑器写Python脚本Python程序事例Python基本语法 数…

已解决下载安装Python官网安装包下载速度慢问题

本文摘要&#xff1a;本文已解决下载安装Python官网安装包下载速度慢的问题。 &#x1f60e; 作者介绍&#xff1a;我是程序员洲洲&#xff0c;一个热爱写作的非著名程序员。CSDN全栈优质领域创作者、华为云博客社区云享专家、阿里云博客社区专家博主、前后端开发、人工智能研究…

47、springboot 的 国际化消息支持--就是根据浏览器选择的语言,项目上的一些提示信息根据语言的选择进行对应的显示

springboot的国际化也是基于spring mvc 的。 springboot 的 国际化消息支持–就是根据浏览器选择的语言&#xff0c;项目上的一些提示信息根据语言的选择进行对应的显示。 总结下国家化自动配置&#xff1a; 功能实现就是&#xff1a; 比如一个登录页面&#xff0c;我们在浏览…

ORB-SLAM3复现的详细过程——配置安装及ROS和脚本运行---Ubuntu20.04

ORB-SLAM3配置安装及ROS和脚本运行---Ubuntu20.04 1. 安装所需要的依赖和包2. 修改代码及文件内容2.1 CMakeLists.txt文件的修改2.2 单目可视化代码修改2.3 环境配置文件的修改2.4 源码的修改 3.ORB-SLAM3的编译3.1 构建 ORB-SLAM3 库3.2 生成ROS节点 4.ORB-SLAM3的运行4.1 非R…

ModaHub魔搭社区专访百度智能云李莅:您认为向量数据库是一个刚需产品吗?

ModaHub魔搭社区&#xff1a;可以看到&#xff0c;大模型火了以后&#xff0c;向量数据库受到了特别高的关注&#xff0c;您是如何看待这种现象呢&#xff1f;您认为向量数据库是一个刚需产品吗&#xff1f; 李莅&#xff1a;是的。大模型是在今年才崭露头角&#xff0c;或者说…

【Python Odyssey】1-1 | Python初见面

文章目录 Python 由来Python 的历史Python 的优点Python的缺点Python 运用领域Python 环境配置Python 解释器安装确认Python的版本编写Python源代码运行程序 Python 由来 Python 是 吉多范罗苏姆&#xff08;Guido van Rossum&#xff09;在阿姆斯特丹为了打发无聊的圣诞节&…

三维点云转换为二维图像

文章目录 前言原理代码总结与反思实验结果展示 前言 目的&#xff1a;将三维点云转换为二维图像 作用&#xff1a; a.给点云赋予彩色信息&#xff0c;增强点云所表达物体或对象的辨识度&#xff1b; b.将三维点云中绘制的目标物体通过映射关系绘制到二维图像中&#xff0c;这个…