pandas數(shù)值計算與排序方法
更新時間:2018年04月12日 15:21:58 作者:數(shù)據(jù)阿伯
下面小編就為大家分享一篇pandas數(shù)值計算與排序方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
以下代碼是基于python3.5.0編寫的
import pandas food_info = pandas.read_csv("food_info.csv") # ---------------------特定列加減乘除------------------------- print(food_info["Iron_(mg)"]) div_1000 = food_info["Iron_(mg)"] / 1000 add_100 = food_info["Iron_(mg)"] + 100 sub_100 = food_info["Iron_(mg)"] - 100 mult_2 = food_info["Iron_(mg)"]*2 # ---------------------某兩列相乘--------------------------- water_energy = food_info["Water_(g)"] * food_info["Energ_Kcal"] # ----------------------把某一列除1000,再添加新列---------------------------- iron_grams = food_info["Iron_(mg)"] / 1000 food_info["Iron_(g)"] = iron_grams #-------------------Score=2×(Protein_(g))−0.75×(Lipid_Tot_(g))-------------- weighted_protein = food_info["Protein_(g)"] * 2 weighted_fat = -0.75 * food_info["Lipid_Tot_(g)"] initial_rating = weighted_protein + weighted_fat #----------------------------數(shù)據(jù)歸一化----------------------------------- max_calories = food_info["Energ_Kcal"].max() #找列最大值 normalized_calories = food_info["Energ_Kcal"] / max_calories normalized_protein = food_info["Protein_(g)"] / food_info["Protein_(g)"].max() normalized_fat = food_info["Lipid_Tot_(g)"] / food_info["Lipid_Tot_(g)"].max() food_info["Normalized_Protein"] = normalized_protein food_info["Normalized_Fat"] = normalized_fat # -------------------------------排序---------------------------------- food_info.sort_values("Sodium_(mg)", inplace=True) #升序,inplace=True表示不從建DataFrame print(food_info["Sodium_(mg)"]) food_info.sort_values("Sodium_(mg)", inplace=True, ascending=False) #降序,ascending=False表示降序 print(food_info["Sodium_(mg)"])
以上這篇pandas數(shù)值計算與排序方法就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
您可能感興趣的文章:
相關文章
python數(shù)據(jù)類型的詳細分析(附示例代碼)
這篇文章主要給大家介紹了關于python數(shù)據(jù)類型分析的相關資料,python里可以通過type()函數(shù)來查看數(shù)據(jù)類型,文中通過示例代碼介紹的非常詳細,需要的朋友可以參考下2021-09-09PyTorch中torch.manual_seed()的用法實例詳解
在Pytorch中可以通過相關隨機數(shù)來生成張量,并且可以指定生成隨機數(shù)的分布函數(shù)等,下面這篇文章主要給大家介紹了關于PyTorch中torch.manual_seed()用法的相關資料,需要的朋友可以參考下2022-06-06