Python Pandas 核心数据结构与操作实战

六、创建对象

这里的'键'其实就是数据的标签。虽然看起来像字典，但在 Pandas 中它是一维数据对象。

1. 什么是键？ 键值对中的键，如 "键": 值。如果不熟悉字典基础，建议先回顾 Python 基础知识。

2. 修改数据：使用 loc 找到标签'小张'，将其值修改为 95。

3. 筛选数据：& 符号在 Pandas 中相当于 Python 的 and。

七、两个数据相加、相减、相乘、相除

1、相加——add

直接相加时，如果索引不匹配会导致结果为 NaN。建议使用 add 方法并设置 fill_value。

# 在 s1 基础上加 s2，缺失值以 0 代替
result = s1.add(s2, fill_value=0)

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

快速查看数据的统计摘要信息。

十、apply() —— 定义函数判断数据

apply() 可以对数据进行批量处理，非常灵活。

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；可以缺少，但数据也要对应减少，保持一一对应。

特别提示：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：需要再加一个 []，否则报错。

十八、提取数据（行）

注意区分 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 是终止位，不会执行。如果想包含小红到小丽，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：输出具体数据。

二十一、查看前几行数据——数据量庞大时使用

注意：head() 不输入任何值时，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 表示删除，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 的数据请看目录二十二。
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，需要重新赋值。

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)：求每一行的平均值。

这里可能会有理解冲突：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？

可以理解为：被包含的方向相反。

• 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。