Python Pandas 库超详细教程

1. 这里的我们所理解的键其实就是数据的标签，大部分的人可能会理解为这里是一个字典或者一个数组，其实都不是，是一个一维数据。
2. 什么是键？如果不知道，就需要回头学习 Python 基础了。
   • 键是字典的一个解释，前键后值，称为键值对，如下："键"：值

3. 修改数据
   • 使用 loc，找标签'小张'让他的值等于 95，可以看到被修改了。

4. 筛选数据
   • 这里的 & 就是 Python 中 and 的意思。

七、两个数据相加、相减、相乘、相除

1. 相加——add

可以看到需要链接 s1，如果没有 s1，那会导致数据相加错误，出现 NaN； 这个时候，我们应该使用 add： 在 s1 的基础上 add(s2, fill_value="如果出现没有值的情况，以 0 代替")。

2. 相减——sub

3. 相乘——mul

4. 相除——div

八、求最大值、最小值、求和值、平均值

九、describe() —— 数据分析方法

十、apply() —— 定义函数判断数据

apply() 对数据批量处理。

十一、DataFrame —— 创建二维数组

十二、修改标签

标签名要统一，否则会报错；但是可以缺少，但数据也要缺少，一一对应。

特别：标签会自动排序好。

十三、查看标签（行属性）

十四、查看列属性

十五、查看数据

十六、数据颠倒——行列调换

十七、提取数据（列）

1. 查看班级数据

2. 查看成绩数据

3. 查看学号和成绩，这里我们需要再加一个【】，如果不加会报错。

十八、提取数据（行）

注意：loc 和 iloc 的区别。

十九、切片操作

1. 标签切片

2. 下标切片

注意：3 是终止，并不会执行，如果想从第 1 行到第 4 行，需要 [1:4]。

3. 行列切片——标签

4. 行列切片——下标

二十、筛选——判断、提取数据

1. 单单判断数据，输出布尔值。

2. 判断完数据并提取数据，输出数据。

二十一、查看前几行数据——数据量庞大可使用

注意：如果 head() 不输入任何的值，那它的默认值为 5，输出前 5 行数据。

二十二、drop 搭配 axis 用法

我们先导入要使用的数据。

添加考试 4 的数据。

drop：就是删除的意思。 axis：用来指定是行还是列。

可以看到删除了行的 002 和 004。

可以看到删除了列的考试 2 和考试 4。

二十三、两个数据相加

1. student 的数据请看上文。
2. 先定义一个数据 bonus，让它们两个相加。
3. 注意：运行一次相加一次；标签要一一对应，否则会导致数据错误。

相加完之后不会改变原数据，如果需要改变原数据，全部都是要重新赋值。

实现重新赋值，以考试 4 为例。

二十四、案例实操——求出平均值

mean(axis=1)：求平均值每一行。

这里可能会导致理解冲突，上面解释 axis=0 代表行，axis=1 代表列，但是 mean(axis=1) 为什么代表的是行？？？请看下面的解释。

可以理解为如果被包含，则方向相反。 行对列操作。 列对行操作。

二十五、案例实操——筛选出第二大的数据

1. loc[:, "考试 1":"考试 3"] 其实就是 loc["001":"006","考试 1":"考试 3"]。
2. lambda x：定义匿名函数 x。
3. np.sort(x)：使用 numpy 库的 sort 方法，进行升序。
4. np.sort(x)[-2]：升序完后提取倒数第二个值，也就是第二大的值，然后返回匿名函数 x。