[TOC] ***** pandas对dataframe与series提供了丰富的操作方法 ### 1.3.1. 查看属性 1. columns 2. index 3. dtypes 4. shape 5. size ``` #查看数据框的列 df.columns #查看数据框的索引 df.index #数据框每一列的数据类型 df.dtypes #数据框有多少行多少列 df.shape #数据框有多少个数据，行*列 df.size #数据框的长度，它有多少行 len(df) ``` ### 1.3.2. 方法使用 1. head 2. tail 3. rename 4. replace 5. unique() 6. value_counts() 7. sort_values 8. describe 9. max/min/sum/mean ``` #重命名列名，"height"是原名字，"Height"是修改后的名字。inplace=True是对原数据集修改，inplace=false是根据原来生成一个新的数据集 df.rename(columns={"height":"Height","weight":"Weight"},inplace=True) ``` ``` #显示前两行 df.head(2) #显示最后四行 df.tail(4) ``` ``` #将player列中Curly Armstrong的数据换位xiao并放回一个新的数据集 df.replace({"Player":{"Curly Armstrong":"xiao"}}) ``` ``` #对值进行排序，默认是升序ascending=True,先按collage再按Height排 df.sort_values(by = ['collage','Height'],ascending=True).head() ``` ``` #s1是数据框的birth_state列，是series s1 = df['birth_state'] #该列中不重复的值的数量有多少个 s1.unique()看唯一值 len(s1.unique()) #结果129个 ``` ``` #该列中每个值的频数计算 s1.value_counts() ```  ``` #每一列的最小值 df.min() ```  每一列的最大值  ``` axis : {index (0), columns (1)} Axis for the function to be applied on. #axis=0 求每一列的数值和，axis =1 求每一行的数值和 max函数也有axis参数 # df.sum默认是 axis = 0 df.sum(axis=0) ``` **数据选取/添加/删除** ``` #选择Player列数据 df['Player'] #选择两列数据 df[['Player','Height']] # 不推荐使用这种方式取Player列数据,分不清是自带属性还是数据框的一个列名 df.Player ``` ``` # 给增加class列，该列的值都是1 df["class"] = 1 df['class'] df.class ``` ``` #显示数据框Height列中>=200或<=170的所有值 df[(df['Height'] >= 200) | (df['Height'] <=170)] .head()默认显示前五行 ``` ``` # 删除df数据框中的class列 del df['class'] ``` ``` # somethong different import numpy as np a = np.array([[1,2,3,4,5,56],[3,4,5,1,7,3],[29,3,1,6,2,0]]) #np.sum(a,axis = 1) 求每一行数值和 #np.sum(a,axis = 0) 求每一列数值和 # 求所有数据的和，没有axis=0的默认值 自己写的时候要清楚是根据什么进行的求值 np.sum(a) ```