当前位置:首页 » 编程语言 » pythonint64

pythonint64

发布时间: 2025-03-27 11:15:23

python学习笔记:(一)pandas数据读取、查看和选择

首先,导入pandas数据包

pandas有两种数据结构,作为数据的容器:

series:包括数据和索引两个部分。生成series时,若为值列表,会默认生成整数索引;若为字典,则自动将字典的key作为数据的索引,值作为数据。

输出:默认生成的索引从0开始,依次递增,最后一行dtype:int64,表示数据类型为整型。

DataFrame:如果说series是值的集合,那么DataFrame就是series的集合。每一行或每一列都是一个series。生成DataFrame时,会自动生成行索引和列索引。也可以在生成DataFrame时指定行索引和列索引,通过index和columns参数进行设置。

DataFrame的每一行/列可以是不同的数据类型。生成Dataframe时,如果仅有一个值,该值会被复制到所有对应的列。

文件读取与写入:

to_csv函数可以将数据保存为csv格式。读取csv文件时,可以指定以某列的值作为索引。

对于excel文件,使用to_excel函数进行写入,读取excel文件使用read_excel函数。要将数据写入同一个excel文件的不同sheet中,应使用ExcelWriter对象作为参数。

数据查看:

df.info()打印DataFrame的简要摘要。

df.describe()生成描述性统计信息,对于数值类型数据返回均值、标准差、最大值、最小值、分位数等;对于类别数据,返回各类别的数目、最高数量的类别及出现次数等。

df.head(n) 和 df.tail(n)分别显示数据的前n行和后n行,省略n时默认为5行。

df.shape输出数据的大小(行数, 列数)。

df.values数据的值输出为narray形式。

df.columns和df.index分别显示数据的列标签和行标签。

df.to_numpy()输出底层数据的Numpy对象。

数据选择和访问

最基本的访问方式为[]。对于DataFrame,可以通过提取一个或多个行或列;通过列标签提取列,通过行的切片提取行。对于Series,[ ]还可以完成赋值操作。

DataFrame.loc[行,列]:按标签访问一组行和列。允许的输入包括单个标签、标签的列表或数组、带有标签的切片对象以及布尔数组。

DataFrame.iloc:按整数位置访问一组行和列。允许的输入包括单个整数、整数的列表或数组、带有整数的切片对象以及布尔数组。

DataFrame.at:按标签访问行/列对的单个值。

DataFrame.iat:按整数位置访问行/列对的单个值。

Ⅱ python numpy.int64 是什么类型

numpy.int64是numpy模块的int类,与python本身的int基本类型并不同。使用type()判断。
import numpy as np
nparr = np.array([1,2,3,4]) ;numpyint = nparr[0]
pyint = 1234
type(pyint) 不等于 type(numpyint)

热点内容
缓存数据生产服务 发布:2025-05-16 01:08:58 浏览:583
普通电脑服务器图片 发布:2025-05-16 01:04:02 浏览:970
服务器地址和端口如何区分 发布:2025-05-16 01:03:17 浏览:833
重新编目数据库 发布:2025-05-16 00:54:34 浏览:513
android语音控制 发布:2025-05-16 00:53:50 浏览:265
win8windows无法访问 发布:2025-05-16 00:37:53 浏览:894
八种排序算法 发布:2025-05-16 00:37:17 浏览:55
左旋螺纹数控编程实例 发布:2025-05-16 00:11:49 浏览:10
安卓游戏旧版本从哪个软件下载 发布:2025-05-16 00:00:20 浏览:329
连接聚类算法 发布:2025-05-15 23:55:09 浏览:978