Python?Pandas?修改表格數(shù)據(jù)類型?DataFrame?列的順序案例
一、修改表格數(shù)據(jù)類型 DataFrame 列的順序
實戰(zhàn)場景：Pandas 如何修改表格數(shù)據(jù)類型 DataFrame 列的順序
1.1主要知識點
- 文件讀寫
- 基礎語法
- 數(shù)據(jù)構建
- Pandas
- Numpy
實戰(zhàn)：
1.2創(chuàng)建 python 文件
import numpy as np
import pandas as pd
np.random.seed(66)
df = pd.DataFrame(np.random.rand(10, 4), columns=list('ABCD'))
print(df)
df = df[["D", "A", "B", "C"]]
print(df)1.3運行結果
A B C D
0 0.154288 0.133700 0.362685 0.679109
1 0.194450 0.251210 0.758416 0.557619
2 0.514803 0.467800 0.087176 0.829095
3 0.298641 0.031346 0.678006 0.903489
4 0.514451 0.539105 0.664328 0.634057
5 0.353419 0.026643 0.165290 0.879319
6 0.067820 0.369086 0.115501 0.096294
7 0.083770 0.086927 0.022256 0.771043
8 0.049213 0.465223 0.941233 0.216512
9 0.361318 0.031319 0.304045 0.188268
D A B C
0 0.679109 0.154288 0.133700 0.362685
1 0.557619 0.194450 0.251210 0.758416
2 0.829095 0.514803 0.467800 0.087176
3 0.903489 0.298641 0.031346 0.678006
4 0.634057 0.514451 0.539105 0.664328
5 0.879319 0.353419 0.026643 0.165290
6 0.096294 0.067820 0.369086 0.115501
7 0.771043 0.083770 0.086927 0.022256
8 0.216512 0.049213 0.465223 0.941233
9 0.188268 0.361318 0.031319 0.304045
二、Pandas 如何統(tǒng)計某個數(shù)據(jù)列的空值個數(shù)
實戰(zhàn)場景：Pandas 如何統(tǒng)計某個數(shù)據(jù)列的空值個數(shù)
2.1主要知識點
- 文件讀寫
- 基礎語法
- Pandas
- numpy
實戰(zhàn)：
2.2創(chuàng)建 python 文件
"""
對如下DF，設置兩個單元格的值
·使用iloc 設置(3,B)的值是nan
·使用loc設置(8,D)的值是nan
"""
import numpy as np
import pandas as pd
np.random.seed(66)
df = pd.DataFrame(np.random.rand(10, 4), columns=list('ABCD'))
df.iloc[3, 1] = np.nan
df.loc[8, 'D'] = np.nan
print(df)
print(df.isnull().sum())2.3運行結果
A B C D
0 0.154288 0.133700 0.362685 0.679109
1 0.194450 0.251210 0.758416 0.557619
2 0.514803 0.467800 0.087176 0.829095
3 0.298641 NaN 0.678006 0.903489
4 0.514451 0.539105 0.664328 0.634057
5 0.353419 0.026643 0.165290 0.879319
6 0.067820 0.369086 0.115501 0.096294
7 0.083770 0.086927 0.022256 0.771043
8 0.049213 0.465223 0.941233 NaN
9 0.361318 0.031319 0.304045 0.188268
A 0
B 1
C 0
D 1
dtype: int64
三、Pandas如何移除包含空值的行
實戰(zhàn)場景：Pandas如何移除包含空值的行
3.1主要知識點
- 文件讀寫
- 基礎語法
- Pandas
- numpy
實戰(zhàn)：
3.2創(chuàng)建 python 文件
"""
對如下DF，設置兩個單元格的值
·使用iloc 設置(3,B)的值是nan
·使用loc設置(8,D)的值是nan
"""
import numpy as np
import pandas as pd
?
np.random.seed(66)
df = pd.DataFrame(np.random.rand(10, 4), columns=list('ABCD'))
df.iloc[3, 1] = np.nan
df.loc[8, 'D'] = np.nan
print(df)
df2 = df.dropna()
print(df2)3.3運行結果
A B C D
0 0.154288 0.133700 0.362685 0.679109
1 0.194450 0.251210 0.758416 0.557619
2 0.514803 0.467800 0.087176 0.829095
3 0.298641 NaN 0.678006 0.903489
4 0.514451 0.539105 0.664328 0.634057
5 0.353419 0.026643 0.165290 0.879319
6 0.067820 0.369086 0.115501 0.096294
7 0.083770 0.086927 0.022256 0.771043
8 0.049213 0.465223 0.941233 NaN
9 0.361318 0.031319 0.304045 0.188268
A B C D
0 0.154288 0.133700 0.362685 0.679109
1 0.194450 0.251210 0.758416 0.557619
2 0.514803 0.467800 0.087176 0.829095
4 0.514451 0.539105 0.664328 0.634057
5 0.353419 0.026643 0.165290 0.879319
6 0.067820 0.369086 0.115501 0.096294
7 0.083770 0.086927 0.022256 0.771043
9 0.361318 0.031319 0.304045 0.188268
四、Pandas如何精確設置表格數(shù)據(jù)的單元格的值
實戰(zhàn)場景：Pandas如何精確設置表格數(shù)據(jù)的單元格的值
4.1主要知識點
- 文件讀寫
- 基礎語法
- Pandas
- numpy
實戰(zhàn)：
4.2創(chuàng)建 python 文件
"""
對如下DF，設置兩個單元格的值
·使用iloc 設置(3,B)的值是nan
·使用loc設置(8,D)的值是nan
"""
import numpy as np
import pandas as pd
np.random.seed(66)
df = pd.DataFrame(np.random.rand(10, 4), columns=list('ABCD'))
print(df)
?
df.iloc[3, 1] = np.nan
df.loc[8, 'D'] = np.nan
?
print(df)4.3運行結果
A B C D
0 0.154288 0.133700 0.362685 0.679109
1 0.194450 0.251210 0.758416 0.557619
2 0.514803 0.467800 0.087176 0.829095
3 0.298641 0.031346 0.678006 0.903489
4 0.514451 0.539105 0.664328 0.634057
5 0.353419 0.026643 0.165290 0.879319
6 0.067820 0.369086 0.115501 0.096294
7 0.083770 0.086927 0.022256 0.771043
8 0.049213 0.465223 0.941233 0.216512
9 0.361318 0.031319 0.304045 0.188268
A B C D
0 0.154288 0.133700 0.362685 0.679109
1 0.194450 0.251210 0.758416 0.557619
2 0.514803 0.467800 0.087176 0.829095
3 0.298641 NaN 0.678006 0.903489
4 0.514451 0.539105 0.664328 0.634057
5 0.353419 0.026643 0.165290 0.879319
6 0.067820 0.369086 0.115501 0.096294
7 0.083770 0.086927 0.022256 0.771043
8 0.049213 0.465223 0.941233 NaN
9 0.361318 0.031319 0.304045 0.188268
到此這篇關于Python Pandas 修改表格數(shù)據(jù)類型 DataFrame 列的順序案例的文章就介紹到這了,更多相關Python Pandas 內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
異常處理是編寫健壯可靠的?Python?代碼的一個基本方面,這篇文章為大家整理了Python中異常處理的5個最佳實踐,文中的示例代碼講解詳細,希望對大家有所幫助2024-01-01
python爬取代理IP并進行有效的IP測試實現(xiàn)
這篇文章主要介紹了python爬取代理IP并進行有效的IP測試實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-10-10
修改Python的pyxmpp2中的主循環(huán)使其提高性能
這篇文章主要介紹了修改Python的pyxmpp2中的主循環(huán)使其提高性能,pyxmpp2是Python中使用需XMPP協(xié)議的一個常用工具,要的朋友可以參考下2015-04-04
這篇文章主要介紹了Python 私有函數(shù)的實例詳解的相關資料,希望通過本文大家能掌握Python 私有函數(shù)的使用方法，需要的朋友可以參考下2017-09-09
在Web開發(fā)領域,創(chuàng)建和使用API（應用程序編程接口）是很常見的,Django Rest Framework(DRF)是一個強大的工具包,在DRF中,一個關鍵概念是序列化器,在本文中,我們將深入研究Django中嵌套序列化器的概念以及它們如何促進復雜數(shù)據(jù)關系的處理,需要的朋友可以參考下2023-10-10
這篇文章主要介紹了基于Python生成個性二維碼過程詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-03-03
這篇文章主要介紹了Python中的__init__和__new__的區(qū)別和實例詳解它們的作用,需要的朋友可以參考下2014-03-03
這篇文章主要介紹了python實現(xiàn)CTC以及案例講解,本篇文章通過簡要的案例,講解了該項技術的了解與使用,以下就是詳細內容,需要的朋友可以參考下2021-08-08
python機器學習創(chuàng)建基于規(guī)則聊天機器人過程示例詳解
這篇文章主要為大家介紹了python實現(xiàn)基于規(guī)則聊天機器人的過程示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步早日升職加薪2021-11-11
這篇文章主要介紹了Python的列表推導式實例詳細解析,列表推導式是Python構建列表list的一種快捷方式,可以使用簡潔的代碼就創(chuàng)建出一個列表,需要的朋友可以參考下2023-07-07