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(shí)戰(zhàn)場(chǎng)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(shí)點(diǎn)
- 文件讀寫
- 基礎(chǔ)語法
- 數(shù)據(jù)構(gòu)建
- Pandas
- Numpy
實(shí)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(yùn)行結(jié)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(jì)某個(gè)數(shù)據(jù)列的空值個(gè)數(shù)
實(shí)戰(zhàn)場(chǎng)景：Pandas 如何統(tǒng)計(jì)某個(gè)數(shù)據(jù)列的空值個(gè)數(shù)
2.1主要知識(shí)點(diǎn)
- 文件讀寫
- 基礎(chǔ)語法
- Pandas
- numpy
實(shí)戰(zhàn)：
2.2創(chuàng)建 python 文件
"""
對(duì)如下DF，設(shè)置兩個(gè)單元格的值
·使用iloc 設(shè)置(3,B)的值是nan
·使用loc設(shè)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(yùn)行結(jié)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(shí)戰(zhàn)場(chǎng)景：Pandas如何移除包含空值的行
3.1主要知識(shí)點(diǎn)
- 文件讀寫
- 基礎(chǔ)語法
- Pandas
- numpy
實(shí)戰(zhàn)：
3.2創(chuàng)建 python 文件
"""
對(duì)如下DF，設(shè)置兩個(gè)單元格的值
·使用iloc 設(shè)置(3,B)的值是nan
·使用loc設(shè)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(yùn)行結(jié)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(shè)置表格數(shù)據(jù)的單元格的值
實(shí)戰(zhàn)場(chǎng)景：Pandas如何精確設(shè)置表格數(shù)據(jù)的單元格的值
4.1主要知識(shí)點(diǎn)
- 文件讀寫
- 基礎(chǔ)語法
- Pandas
- numpy
實(shí)戰(zhàn)：
4.2創(chuàng)建 python 文件
"""
對(duì)如下DF，設(shè)置兩個(gè)單元格的值
·使用iloc 設(shè)置(3,B)的值是nan
·使用loc設(shè)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(yùn)行結(jié)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(guān)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(guān)Python Pandas 內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
學(xué)習(xí)和使用python的13個(gè)理由
在本篇文章里小編給大家整理了關(guān)于學(xué)習(xí)和使用python的13個(gè)理由以及相關(guān)知識(shí)點(diǎn)，需要的朋友們參考下。2019-07-07
今天小編就為大家分享一篇python調(diào)用攝像頭顯示圖像的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-08-08
使用matplotlib庫實(shí)現(xiàn)圖形局部數(shù)據(jù)放大顯示的實(shí)踐
本文主要介紹了使用matplotlib庫實(shí)現(xiàn)圖形局部數(shù)據(jù)放大顯示的實(shí)踐，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-02-02
Python爬取哆啦A夢(mèng)-伴我同行2豆瓣影評(píng)并生成詞云圖
哆啦A夢(mèng)系列是陪伴我,乃至陪伴了幾代人成長(zhǎng)的故事.50年來,藤子·F·不二雄先生創(chuàng)造了竹蜻蜓,任意門,時(shí)光機(jī)器等等無數(shù)的新奇道具,讓大雄和他的小伙伴們經(jīng)歷了各種冒險(xiǎn),也經(jīng)歷了許多充滿戲劇性的啼笑皆非的日常.特意寫了這篇文章,教大家怎么繪制詞云圖,需要的朋友可以參考下2021-06-06
這篇文章主要介紹了Python 文件處理注意事項(xiàng)總結(jié)的相關(guān)資料,需要的朋友可以參考下2017-04-04
工欲善其事必先利其器，一個(gè)好的工具能讓起到事半功倍的效果，Python 社區(qū)提供了足夠多的優(yōu)秀工具來幫助開發(fā)者更方便的實(shí)現(xiàn)某些想法，下面這幾個(gè)工具給我的工作也帶來了很多便利，推薦給追求美好事物的你。2020-10-10
python調(diào)用騰訊云實(shí)名認(rèn)證接口辨別身份證真假
這篇文章主要為大家介紹了python辨別身份真假之騰訊云身份證實(shí)名認(rèn)證接口，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(jìn)步，早日升職加薪2022-05-05
Windows8下安裝Python的BeautifulSoup
這篇文章主要介紹了Windows8下安裝Python的BeautifulSoup,本文著重講解安裝中出現(xiàn)的錯(cuò)誤和解決方法,需要的朋友可以參考下2015-01-01
Python實(shí)現(xiàn)深度遍歷和廣度遍歷的方法
今天小編就為大家分享一篇Python實(shí)現(xiàn)深度遍歷和廣度遍歷的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-01-01
今天小編就為大家分享一篇kafka-python 獲取topic lag值方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-12-12