赞
踩
pandas.Series( data, index, dtype, copy) # data 数据采取各种形式 # index 索引值必须是唯一的和散列的,与数据的长度相同 # dtype dtype用于数据类型。如果没有,将推断数据类型 # copy 复制数据,默认为false # eg1: 从ndarray创建一个系列 data = np.array(['a','b','c','d']) s = pd.Series(data) print s output: 0 a 1 b 2 c 3 d dtype: object # eg2 :从字典创建一个系列 data = {'a' : 0., 'b' : 1., 'c' : 2.} s = pd.Series(data) print s output: a 0.0 b 1.0 c 2.0 dtype: float64 # eg3 :从标量创建一个系列 s = pd.Series(5, index=[0, 1, 2, 3]) print s output: 0 5 1 5 2 5 3 5 dtype: int64
pandas.DataFrame( data, index, columns, dtype, copy) # data 数据采取各种形式,如:ndarray,series,map,lists,dict,constant和另一个DataFrame # index 对于行标签,要用于结果帧的索引是可选缺省值np.arrange(n),如果没有传递索引值 # columns 对于列标签,可选的默认语法是 - np.arange(n)。 这只有在没有索引传递的情况下才是这样 # dtype 每列的数据类型 # copy 如果默认值为False,则此命令(或任何它)用于复制数据 # eg1: 从列表创建DataFrame data = [1,2,3,4,5] df = pd.DataFrame(data) print df output: 0 0 1 1 2 2 3 3 4 4 5 data = [['Alex',10],['Bob',12],['Clarke',13]] df = pd.DataFrame(data,columns=['Name','Age']) print df output: Name Age 0 Alex 10 1 Bob 12 2 Clarke 13 # eg2 :从系列的字典来创建DataFrame d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']), 'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])} df = pd.DataFrame(d) print df output: one two a 1.0 1 b 2.0 2 c 3.0 3 d NaN 4 # 列选择,添加和删除 df ['one'] # 选择 df['four']=df['one']+df['three'] # 添加 del df['one'] # 删除 # 行选择,添加和删除 df.loc['b'] # 选择 df.iloc[2] # 按整数位置选择 df[2:4] # 行切片 df = df.append(df2) # 附加行 df = df.drop(0) # 删除行
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。