python三大库之---pandas（二）

python三大库之—pandas（二）


  

---

六，函数

6.1、常用的统计学函数

函数名称形貌说明count()统计某个非空值的数目sum()求和mean()求均值median()求中位数std()求标准差min()求最小值max()求最大值abs()求绝对值prod()求全部数值的乘积 numpy的方差默认为总体方差，pandas默认为样本方差

1. #常用的统计学函数
2. data = {
3.     'A': [1, 2, 3, 4],
4.     'B': [5, 6, 7, 8],
5.     'C': [9, 10, 11, 12]
6. }
7. df = pd.DataFrame(data)
8. print(df.mean())#计算均值
9. print(df.median())#计算中位数
10. print(df.mode())#计算众数
11. print(df.var())#计算方差
12. print(df.std())#计算标准差
13. print(df.sum())#计算总和
14. print(df.min())#计算最小值
15. print(df.max())#计算最大值
16. print(df.count())#计算非空值的个数
17. print(df.prod())#计算乘积
18. print(df.abs())#计算绝对值

复制代码

1. A     2.5
2. B     6.5
3. C    10.5
4. dtype: float64
5. A     2.5
6. B     6.5
7. C    10.5
8. dtype: float64
9.    A  B   C
10. 0  1  5   9
11. 1  2  6  10
12. 2  3  7  11
13. 3  4  8  12
14. A    1.666667
15. B    1.666667
16. C    1.666667
17. dtype: float64
18. A    1.290994
19. B    1.290994
20. C    1.290994
21. dtype: float64
22. A    10
23. B    26
24. C    42
25. dtype: int64
26. A    1
27. B    5
28. C    9
29. dtype: int64
30. A     4
31. B     8
32. C    12
33. dtype: int64
34. A    4
35. B    4
36. C    4
37. dtype: int64
38. A       24
39. B     1680
40. C    11880
41. dtype: int64
42.    A  B   C
43. 0  1  5   9
44. 1  2  6  10
45. 2  3  7  11
46. 3  4  8  12

复制代码

6.2重置索引

重置索引（reindex）可以更改原 DataFrame 的行标签或列标签，并使更改后的行、列标签与 DataFrame 中的数据逐一匹配。通过重置索引操作，您可以完成对现有数据的重新排序。如果重置的索引标签在原 DataFrame 中不存在，那么该标签对应的元素值将全部添补为 NaN。
reindex
reindex() 方法用于重新索引 DataFrame 或 Series 对象。重新索引意味着根据新的索引标签重新排列数据，并添补缺失值。如果重置的索引标签在原 DataFrame 中不存在，那么该标签对应的元素值将全部添补为 NaN。

• 语法
  

1. DataFrame.reindex(labels=None, index=None, columns=None, axis=None, method=None, copy=True, level=None, fill_value=np.nan, limit=None, tolerance=None)

复制代码

参数：

• labels：
  
  
  
  • 类型：数组或列表，默认为 None。
    
  • 形貌：新的索引标签。
    
  
  
• index：
  
  
  
  • 类型：数组或列表，默认为 None。
    
  • 形貌：新的行索引标签。
    
  
  
• columns：
  
  
  
  • 类型：数组或列表，默认为 None。
    
  • 形貌：新的列索引标签。
    
  
  
• axis：
  
  
  
  • 类型：整数或字符串，默认为 None。
    
  • 形貌：指定重新索引的轴。0 或 ‘index’ 表示行，1 或 ‘columns’ 表示列。
    
  
  
• method：
  
  
  
  • 类型：字符串，默认为 None。
    
  • 形貌：用于添补缺失值的方法。可选值包罗 ‘ffill’（前向添补）、‘bfill’（后向添补）等。
    
  
  
• copy：
  
  
  
  • 类型：布尔值，默认为 True。
    
  • 形貌：是否返回新的 DataFrame 或 Series。
    
  
  
• level：
  
  
  
  • 类型：整数或级别名称，默认为 None。
    
  • 形貌：用于多级索引（MultiIndex），指定要重新索引的级别。
    
  
  
• fill_value：
  
  
  
  • 类型：标量，默认为 np.nan。
    
  • 形貌：用于添补缺失值的值。
    
  
  
• limit：
  
  
  
  • 类型：整数，默认为 None。
    
  • 形貌：指定连续添补的最大数目。
    
  
  
• tolerance：
  
  
  
  • 类型：标量或字典，默认为 None。
    
  • 形貌：指定重新索引时的容差。
    
  
  

• 重置索引行
  

1. data = {
2.     'A': [1, 2, 3, 4],
3.     'B': [5, 6, 7, 8],
4.     'C': [9, 10, 11, 12]
5. }
6. df = pd.DataFrame(data,index=['a','b','c','d'])
7. #重置索引行
8. new_index = ['a','b','c','d','e']
9. print(df.reindex(new_index))#重置索引

复制代码

1.   A    B     C
2. a  1.0  5.0   9.0
3. b  2.0  6.0  10.0
4. c  3.0  7.0  11.0
5. d  4.0  8.0  12.0
6. e  NaN  NaN   NaN

复制代码

• 重置索引列
  

1. data = {
2.     'A': [1, 2, 3, 4],
3.     'B': [5, 6, 7, 8],
4.     'C': [9, 10, 11, 12]
5. }
6. df = pd.DataFrame(data,index=['a','b','c','d'])
7. #重置索引列
8. new_columns = ['A','B','C','D']
9. print(df.reindex(columns=new_columns))

复制代码

1.   A  B   C   D
2. a  1  5   9 NaN
3. b  2  6  10 NaN
4. c  3  7  11 NaN
5. d  4  8  12 NaN

复制代码

• 重置索引行，并使用向前添补
  

1. data = {
2.     'A': [1, 2, 3, 4],
3.     'B': [5, 6, 7, 8],
4.     'C': [9, 10, 11, 12]
5. }
6. df = pd.DataFrame(data,index=['a','b','c','d'])
7. #重置索引行，并使用向前填充
8. new_index = ['a','b','c','d','e']
9. print(df.reindex(new_index,method='ffill'))

复制代码

1. A  B   C
2. a  1  5   9
3. b  2  6  10
4. c  3  7  11
5. d  4  8  12
6. e  4  8  12

复制代码

• 重置索引行，并使用指定值添补
  

1. data = {
2.     'A': [1, 2, 3, 4],
3.     'B': [5, 6, 7, 8],
4.     'C': [9, 10, 11, 12]
5. }
6. df = pd.DataFrame(data,index=['a','b','c','d'])
7. #重置索引行，并使用指定值填充
8. new_index = ['a','b','c','d','e']
9. print(df.reindex(new_index,method='ffill',fill_value=0))

复制代码

1. A  B   C
2. a  1  5   9
3. b  2  6  10
4. c  3  7  11
5. d  4  8  12
6. e  4  8  12

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。