文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布

构建AI智能体：五、Pandas常用函数介绍，CodeBuddy智能化处理Excel数据实例

Time-Series：以时间为索引的Series。 DataFrame：二维的表格型数据结构，可以将DataFrame理解为Series的容器。...df.groupby('City')['Age'].mean() # 按城市分组计算平均年龄3.排序 df.sort_values('Age', ascending=False) # 按年龄降序4.数据转置数据转置是一种常见的数据处理操作...，指将数据表的行列互换（即行变列、列变行），需加深印象，画重点！...df.T # 数据转置 转置的主要应用场景： 矩阵运算： 在进行线性代数运算时，如矩阵乘法，转置操作是必不可少的‌转置后的矩阵可以简化某些数学运算过程​​​​​​数据可视化： 在做数据报表展示时，转置数据可以更直观地展示在图表中‌以不同视角呈现数据...：例如学生成绩数据，转置前适合查看每个学生的成绩情况，转置后则便于观察每个学科的学习情况‌ 此处只做初步了解，后续遇到详细实际场景再详细说明；五、I/O操作1.读写文件​​​​​​​# 读取CSV

50510
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    数据导入与预处理-课程总结-01~03章

    数据查看、转置 2. 添加、修改、删除值 3. 排序 3.2.5 Index索引对象 1.索引对象概述 2. 索引对象操作 3....2.5.3 数组转置 熟悉数组的转置，可以通过T属性、transpose()方法、swapaxes()方法实现数组转置操作 2.5.4 随机数生成 1. numpy的random库 python里随机数生成主要有两种方式...print(b2,type(b2)) print(df[b2]) # 也可以书写为 df[df['a'] > 50] print('------') # 单列做判断 # 索引结果保留 单列判断为True...所有数据：True返回原数据，False返回值为NaN 输出为： 3.2.4 DataFrame基本操作技巧 数据查看、转置 / 添加、修改、删除值 / 对齐 / 排序 1....数据查看、转置 # 数据查看、转置 df = pd.DataFrame(np.random.rand(16).reshape(8,2)*100, columns

    3.8K20

    Pandas知识点-DataFrame数据结构介绍

    pandas读取DataFrame数据时，如果数据行数和列数很多，会自动将数据折叠，中间的显示为“...”。...DataFrame的形状shape和转置.T data = pd.read_csv("600519.csv", encoding='gbk') print("形状：", data.shape) data2...= data.T print("转置后形状：", data2.shape) 形状：(4726, 15) 转置后形状：(15, 4726) 4....五、DataFrame部分显示 本文中的数据有四千多行，很多时候，没有必要所有行都显示，只显示一部分即可。 Pandas中实现了两个常用的部分显示方法，head()和tail()。...将日期设置为行索引后，“日期”这一列数据变成了索引，数据中就不再有日期了。可见，set_index()移动了列的位置，从数据移动到了行索引(但没有删除数据)。

    3K40

    数据清洗指南完整分享

    01-启动阶段 import os import pandas as pd import numpy as np # 显示当前工作路径 os.getcwd() # 罗列当前路径下的所有文件 os.listdir...丢弃与空值相关的数据 ## ####################### # 删除所有包含空值的行 df.dropna() # 删除所有包含空值的列 df.dropna(axis=1) # 删除全部为空值的列...df.dropna(axis=1, how='all') ## 特殊值替代空值 ## ################## # 空值全部填充为0 df.fillna(0) # 修改指定位置的值...df.mean()) # 用指定列的均值来填充指定列 df["sepal_length"].fillna(df["sepal_length"].mean()) 05-基础列操作 # 通过列名选择指定“单列...sepal_width"]].mean() # 同时计算指定两列的加总和均值 df[["sepal_length", "sepal_width"]].agg([np.sum, np.mean]) # 转置

    1.1K21

    猿创征文｜数据导入与预处理-第3章-pandas基础

    print(b2,type(b2)) print(df[b2]) # 也可以书写为 df[df['a'] > 50] print('------') # 单列做判断 # 索引结果保留 单列判断为True...(b4,type(b4)) print(df[b4]) # 也可以书写为 df[df.loc[['one','three']] < 50] print('------') # 多行做判断 # 索引结果保留...所有数据：True返回原数据，False返回值为NaN 输出为： 1.4.3 DataFrame基本操作技巧 数据查看、转置 / 添加、修改、删除值 / 对齐 / 排序 数据查看、转置 # 数据查看...、转置 df = pd.DataFrame(np.random.rand(16).reshape(8,2)*100, columns = ['a','b']) print...(df.head(2)) print(df.tail()) # .head()查看头部数据 # .tail()查看尾部数据 # 默认查看5条 print(df.T) # .T 转置 输出为： 添加

    15.5K20

    pandas库的简单介绍（3）

    当选择标签作为索引，会选择数据尾部，当为整数索引，则不包括尾部。例如列表a[0, 1, 2, 3, 4]中，a[1:3]的值为1，2；而pandas中为1，2，3。..., :3][frame.three > 5]) #使用iloc选择数据) 使用loc和iloc选择数据 ---- DataFrame索引选项 类型 描述 df[val] 从DataFrame中选择单列或多列或行...(整数表示选择行) df.loc[val] 根据标签选择单行或多行 df.loc[:, val] 根据标签选择单列或多列 df.loc[val1, val2] 根据标签同时选中行和列的一部分 df.iloc...[where] 根据整数选择一行或多行 df.iloc[:, where] 根据整数选择一列或多列 df.iloc[where_i, where_i] 根据整数选择行和列 df.at[label_i,...frame1通过利用add方法，将f2和fill_value作为参数传入： frame1.add(frame2, fill_value = 0) 可以看出fill_value将缺失值的一方作为0处理。

    1.8K10

    精选100个Pandas函数

    dt.is_month_end() 是否为当月的最后裔天 dt.is_quarter_start() 是否为季度的第一天 dt.is_quarter_end() 是否为季度的最后一天 dt.is_year_start...() 是否为当年的第一天 dt.is_year_end() 是否为当年的最后一天 dt.is_leap_year() # 判断是否为闰年 e explode() # 爆炸函数 f fillna...() 转日期时间类型 pd.Series() # 创建Series数据 pd.DataFrame() # 创建DataFrame数据 plot() 绘制基于Kind参数的多种图形；kind指定图形类型...sort_values() # 按值排序 sort_index() 按索引排序 stack() # 堆叠；列转行 t to_dict() 转为字典 tolist() 转为列表 transpose .T # 转置...u unique() 元素唯一值（去重） unstack # 不要堆叠，多行转列 v var() 计算方差 value_counts() # 统计每个元素的值 w where() # 基于条件判断的值替换

    85530

    数据分析索引总结（上）Pandas单级索引

    iloc方法 ① 单行索引 df.iloc[3] ② 多行索引 注意结尾是不包含的---和list的切片保持一致 df.iloc[3:5] ③ 单列索引 df.iloc[:,3].head() ④ 多列索引...逗号后的 7::-2 表示从第8列开始,向前每隔一列取一列(步长为2, 2前的负号表示向前迭代) df.iloc[:,7::-2].head() ⑤ 混合索引 从第四行开始向后以步长为4选择行, 从第八列开始向前以步长为...df.iloc[3:5] ③ 单列索引 使用列名标签来返回单列，之所以选择列的语法如此简单, 是因为df本质上是将多个Series作为列拼接起来的。...df['School'].head() 将列传递给df构造器 pd.DataFrame(df['School']).head() 使用to_frame方法将Series转为df df['School']...利用cut将数值列转为区间为元素的分类变量， 例如统计数学成绩的区间情况：使用pd.cut函数进行分割后, 如果没有类型转换，此时并不是区间类型，而是category类型。

    5.8K40

    （Pandas）Python做数据处理必选框架之一！（二）：附带案例分析；刨析DataFrame结构和其属性；学会访问具体元素；判断元素是否存在；元素求和、求标准值、方差、去重、删除、排序...

    NaN 3 NaN NaN 1 2.0 b 2 3.0 NaN ''' 在DataFrame中，若列之间的元素个数不匹配，且使用Series填充时，在DataFrame里空值会显示为NaN...iloc[] 隐式索引，按行列标签索引或切片 shape DataFrame的形状 at[] 使用行列标签访问单个元素 ndim DataFrame的维度 iat[] 使用行列位置访问单个元素 T 行列转置...object') 值： [['zhangsan' '男' 18] ['lisi' '女' 15] ['wangwu' '男' 17]] ''' print(student.T.values) # 转置后可以获得每一列的值...''' 形状： (3, 3) 维度： 2 元素个数： 9 元素类型： name object sex object age int64 dtype: object ''' 行列转置...,'age']] # 获得从1到2行的name、age列信息 student.loc[1:2,'name':'age'] # 获得从 1到2行 的 name到age列 的信息 iloc也可以做到，只是将显示的列名

    22710

    数据导入与预处理-拓展-pandas可视化

    折线图 1.1 导入数据 1.2 绘制单列折线图 1.3 绘制多列折线图 1.4 绘制折线图-双y轴 2. 条形图 2.1 单行垂直/水平条形图 2.2 多行条形图 3....() df 输出为： 1.2 绘制单列折线图 绘制 df 第一列的折线图 # 绘制 df 第一列的折线图 df['A'].plot() plt.show() 输出为： 1.3 绘制多列折线图...df 的四列分别放在四个子图上 # 折线图｜子图 # 将 df 的四列分别放在四个子图上 df.plot(subplots=True) plt.show() 输出为： df 的四列分别放在一个图上...iloc[2].plot(kind = 'bar', figsize=(10, 6)) plt.show() 输出为： 2.2 多行条形图 多行堆叠 # 多行，堆叠对应着着stacked=True...3.3 拆分子图 # 将3个直方图拆分为3个子图 df3.diff().hist(alpha=0.5, bins=20, figsize=(10, 6)) plt.show() 输出为：

    4.4K20

    这份数据清洗checklist，让开发过程更加高效

    后台回复“数据清洗”获取高清PDF 01-启动阶段 import os import pandas as pd import numpy as np # 显示当前工作路径 os.getcwd() #...丢弃与空值相关的数据 ## ####################### # 删除所有包含空值的行 df.dropna() # 删除所有包含空值的列 df.dropna(axis=1) # 删除全部为空值的列...df.dropna(axis=1, how='all') ## 特殊值替代空值 ## ################## # 空值全部填充为0 df.fillna(0) # 修改指定位置的值...df.mean()) # 用指定列的均值来填充指定列 df["sepal_length"].fillna(df["sepal_length"].mean()) 05-基础列操作 # 通过列名选择指定“单列...sepal_width"]].mean() # 同时计算指定两列的加总和均值 df[["sepal_length", "sepal_width"]].agg([np.sum, np.mean]) # 转置

    88810

    python转置矩阵代码_python 矩阵转置

    用python怎么实现矩阵的转置 只能用循环自己写算法吗 自带函数有可以算的吗 或者网上的算法可以用的 python矩阵转置怎么做？...5.矩阵转置 给定:L=[[1,2,3],[4,5,6]] 用zip函数和列表推导式实现行列转def transpose(L): T = [list(tpl) for tpl in zip(*L)] return...T python 字符串如何变成矩阵进行矩阵转置 如输入一串“w,t,w;t,u,u;t,u,u”将其变成矩阵进行转置操作 需CSS布局HTML小编今天和大家分享: 你需要转置一个二维数组,将行列互换...df = pd.read_excel(‘你的文件路径’,’第几个sheet’, header = False) #读取文件 比如 df = pd.read_excel(‘C:/your_data.xlsx...如何使用函数将A变成 B=1 2 3 4 5 有两种方法可以实现： 转置矩阵： B = A’; 通用方法：reshape()函数 示例如下： 说明：reshape(A,m,n) 表示将矩阵A变换为m行n

    7.2K50

    python单细胞学习笔记-day4

    可以使用 numpy 模块里面的unique函数，适用于数组和列表 np.unique()：去重 np.unique(return_counts=True)：去重并统计每个取值的次数 pandas：为series...Note：会丢失行名和列名 df2.values df2.to_numpy() np.array(df2) 2.4 转置 m1.T 3.数据框 3.1 新建数据框 方式1： DataFrame函数：创建一个字典...，然后传递给pandas中的DataFrame()函数 可以使用index参数指定行名 方式2：从csv文件读取 import pandas as pd df2 = pd.read_csv("day3..._preview/gene.csv") print(df2) # 设置第一列为行名 df2 = pd.read_csv("day3_preview/gene.csv",index_col=0) print...# 读取第一行, 不写逗号默认读取行 # 以下方式返回的都是series print(df1.iloc[0]) print(df1.iloc[0,]) print(df1.iloc[0,:]) 提取多行多列

    48500
    点击加载更多

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号

      领券