要从 DataFrame 中选择多行，请使用 : 运算符设置范围。首先，使用别名导入所需的 pandas 库 - import pandas as pd 现在，创建一个新的 Pandas DataFrame - dataFrame = pd.DataFrame([[10, 15], [20, 25], [30, 35], [40, 45]], index=['w', 'x', 'y', 'z'], columns=['a', 'b']) 使用 : 运算符选择多行 - dataFrame[0:2] 示例 以下是代码 - import pandas as pd # 创建 DataFrame dataFrame = pd.DataFrame([[10, 15], [20, 25], [30, 35], [40, 45]], index=['w', 'x', 'y', 'z'], columns=['a', 'b']) # DataFrame print"DataFrame...", dataFrame # 使用 loc 选择行 print"Select rows by passing label..." print(dataFrame.loc['z']) ... 阅读更多

要从 DataFrame 中选择一列，只需使用方括号获取它即可。在括号中提及要选择的列，仅此而已，例如 dataFrame[‘ColumnName’] 首先，导入所需的库 - import pandas as pd 现在，创建一个 DataFrame。我们其中有两列 - dataFrame = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'], "Units": [100, 150, 110, 80, 110, 90] } ) 要只选择一列，请使用方括号提及列名，如下所示。这里，我们的 ... 阅读更多

要合并 Pandas DataFrame，请使用 merge() 函数。通过在 merge() 函数的“how”参数下设置 how = “outer”，在两个 DataFrame 上实现外部连接，即 - how = “outer” 首先，让我们使用别名导入 pandas 库 - import pandas as pd 让我们创建 DataFrame1 - dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'], "Units": [100, 150, 110, 80, 110, 90] } ) 现在让我们创建 DataFrame2 - dataFrame2 = pd.DataFrame( { ... 阅读更多

要使用公共列合并两个 Pandas DataFrame，请使用 merge() 函数并将 ON 参数设置为列名。要为不匹配的值设置 NaN，请使用“how”参数并将其设置为左或右。这意味着合并左或右。 首先，让我们使用别名导入 pandas 库 - import pandas as pd 让我们创建 DataFrame1 - dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'], "Units": [100, 150, 110, 80, 110, 90] } ) 让我们 ... 阅读更多

要从多级列索引中删除多级，请重复使用 columns.droplevel()。我们使用了 Multiindex.from_tuples() 来按列创建索引。 首先，按列创建索引 - items = pd.MultiIndex.from_tuples([("Col 1", "Col 1", "Col 1"), ("Col 2", "Col 2", "Col 2"), ("Col 3", "Col 3", "Col 3")]) 接下来，创建一个多索引数组并形成一个多索引数据框 - arr = [np.array(['car', 'car', 'car', 'bike', 'bike', 'bike', 'truck', 'truck', 'truck']), np.array(['valueA', 'valueB', 'valueC', 'valueA', 'valueB', 'valueC', 'valueA', 'valueB', 'valueC'])] # 形成多索引数据框 dataFrame = pd.DataFrame(np.random.randn(9, 3), index=arr, columns=items) 为索引添加标签 - dataFrame.index.names = ['level 0', 'level 1'] 删除一个级别 ... 阅读更多

要从多级列索引中删除一个级别，请使用 columns.droplevel()。我们使用了 Multiindex.from_tuples() 来按列创建索引。 首先，按列创建索引 - items = pd.MultiIndex.from_tuples([("Col 1", "Col 1", "Col 1"), ("Col 2", "Col 2", "Col 2"), ("Col 3", "Col 3", "Col 3")]) 接下来，创建一个多索引数组并形成一个多索引数据框 arr = [np.array(['car', 'car', 'car', 'bike', 'bike', 'bike', 'truck', 'truck', 'truck']), np.array(['valueA', 'valueB', 'valueC', 'valueA', 'valueB', 'valueC', 'valueA', 'valueB', 'valueC'])] # 形成多索引数据框 dataFrame = pd.DataFrame(np.random.randn(9, 3), index=arr, columns=items) 为索引添加标签 - dataFrame.index.names = ['level 0', 'level 1'] 删除索引处的级别 ... 阅读更多

要对 Pandas 数据框进行分组，我们使用 groupby()。要对分组的数据框进行升序排序，请使用 sort_values()。size() 方法用于获取数据框大小。 对于升序排序，请在 sort_values() 中使用以下内容 - ascending=True 首先，创建一个 pandas 数据框 - dataFrame = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Mercedes', 'Jaguar', 'Bentley'], "Reg_Price": [1000, 1400, 1000, 900, 1700, 900] } ) 接下来，根据 Reg_Price 列进行分组并按升序排序 - dataFrame.groupby('Reg_Price').size().sort_values(ascending=True) 示例 以下是代码 - import pandas as pd # 数据框 ... 阅读更多

要基于总和从 DataFrame 中过滤几行，我们考虑了一个学生成绩的示例。我们需要计算特定科目的总分，其中总分超过 200，即该特定科目中所有 3 名学生的总分超过 200。通过这种方式，我们可以过滤总分少于 200 的行。 首先，让我们创建一个包含 3 列的 DataFrame，即 3 名学生的记录 - dataFrame = pd.DataFrame({'Jacob_Marks': [95, 90, 70, 85, 88], 'Ted_Marks': [60, 50, 65, 85, 70], 'Jamie_Marks': [77, 76, 60, 45, 50]}) 基于...的过滤 ... 阅读更多

要获取两个 DataFrame 之间的公共行，请使用 concat() 函数。让我们创建一个包含两列的 DataFrame1 - dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'], "Reg_Price": [1000, 1500, 1100, 800, 1100, 900] } ) 创建一个包含两列的 DataFrame2 - dataFrame2 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'], "Reg_Price": [1200, 1500, 1000, 800, 1100, 1000] } ) 使用 concat() 查找两个 DataFrame 之间的公共行 - dfRes = pd.concat([dataFrame1, dataFrame2]) 重置索引 - dfRes = dfRes.reset_index(drop=True) 按列分组 - dfGroup = dfRes.groupby(list(dfRes.columns)) 获取每行的长度以计算计数。如果 ... 阅读更多

当需要将字符串转换为每行具有“K”个字符的矩阵时，定义一个方法来获取字符串和“K”的值。它使用简单的迭代、模运算符和“append”方法。 示例 以下是相同的演示 - print("Method definition begins") def convert_my_string(my_string, my_k): for index in range(len(my_string)): if index % my_k == 0: sub = my_string[index:index+my_k] my_list = [] ... 阅读更多