pythonint64

Ⅰ 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）