Pandas命令(二)

机器学习机器学习

创建时间:2019-11-05 21:00

阅读:

# 生成一个DataFrame

import pandas as pd
import numpy as np

# 生成一个 3行4列  取值范围在 [-1，5)之间的数据
array = np.random.randint(-1, 5, size=(3,4))
df = pd.DataFrame(array)

# 打印想要的列数或者调整列的位置
# 打印第1,3列的内容
print(df[[1,3]])

# 更改列索引值  字典格式
df = df.rename(columns={0:'A',1:'B',2:'C',3:'D',})
or：
df.columns=['A','B','C','D']

# 打印列索引值
df.columns

# 更改行索引值
stu=['stu_1','stu_2','stu_3']
df.index=stu
# 打印行索引值
df.index

# 生成NaN值   将所有 0 替换成NaN值
df = df.replace(to_replace=0, value=np.nan)

# 删除缺省值
DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
     axis:维度，axis=0表示index行,  axis=1表示columns列，默认为0
     how:"all"表示这一行或列中的元素全部缺失（为nan）才删除这一行或列，"any"表示这一行或列中只要有元素缺失，就删除这一行或列
     thresh:一行或一列中至少出现了thresh个才删除。
     subset：在某些列的子集中选择出现了缺失值的列删除，不在子集中的含有缺失值得列或行不会删除（有axis决定是行还是列）
     inplace：是存为副本还是直接在原数据上进行修改。

df.dropna(axis=1) # 删除列
df.dropna(axis=0) # 删除行

 df.dropna(axis=0,subset=['D']) 删除D存在缺省数据 的那行数据
 df.dropna(axis=0,subset=['C',D']) 删除C,D存在缺省数据 的那行数据

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。