Python Pandas 库核心用法详解

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，如下的：'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 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'小红'到'小丽'，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，那他的默认值为 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，让他们两个相加。

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。