python pandas读取数据库表(Python3.5 Pandas模块之DataFrame用法实例分析)
python pandas读取数据库表
Python3.5 Pandas模块之DataFrame用法实例分析本文实例讲述了python3.5 pandas模块之dataframe用法。分享给大家供大家参考,具体如下:
1、dataframe的创建
(1)通过二维数组方式创建
|
#!/usr/bin/env python # -*- coding:utf-8 -*- # author:zhengzhengliu import numpy as np import pandas as pd from pandas import series,dataframe #1.dataframe通过二维数组创建 print ( "======dataframe直接通过二维数组创建======" ) d1 = dataframe([[ "a" , "b" , "c" , "d" ],[ 1 , 2 , 3 , 4 ]]) print (d1) print ( "======dataframe借助array二维数组创建======" ) arr = np.array([ [ "jack" , 78 ], [ "lili" , 86 ], [ "amy" , 97 ], [ "tom" , 100 ] ]) d2 = dataframe(arr,index = [ "01" , "02" , "03" , "04" ],columns = [ "姓名" , "成绩" ]) print (d2) print ( "========打印行索引========" ) print (d2.index) print ( "========打印列索引========" ) print (d2.columns) print ( "========打印值========" ) print (d2.values) |
运行结果:
======dataframe直接通过二维数组创建======
0 1 2 3
0 a b c d
1 1 2 3 4
======dataframe借助array二维数组创建======
姓名 成绩
01 jack 78
02 lili 86
03 amy 97
04 tom 100
========打印行索引========
index(['01', '02', '03', '04'], dtype='object')
========打印列索引========
index(['姓名', '成绩'], dtype='object')
========打印值========
[['jack' '78']
['lili' '86']
['amy' '97']
['tom' '100']]
(2)通过字典方式创建
|
#2.dataframe通过字典创建,键作为列索引,键值作为数据值,行索引值自动生成 data = { "apart" :[ '1101' , "1102" , "1103" , "1104" ], "profit" :[ 2000 , 4000 , 5000 , 3500 ], "month" : 8 } d3 = dataframe(data) print (d3) print ( "========行索引========" ) print (d3.index) print ( "========列索引========" ) print (d3.columns) print ( "========数据值========" ) print (d3.values) |
运行结果:
apart month profit
0 1101 8 2000
1 1102 8 4000
2 1103 8 5000
3 1104 8 3500
========行索引========
rangeindex(start=0, stop=4, step=1)
========列索引========
index(['apart', 'month', 'profit'], dtype='object')
========数据值========
[['1101' 8 2000]
['1102' 8 4000]
['1103' 8 5000]
['1104' 8 3500]]
2、dataframe数据获取
|
import numpy as np import pandas as pd from pandas import series,dataframe #3.dataframe获取数据 data = { "apart" :[ '1101' , "1102" , "1103" , "1104" ], "profit" :[ 2000 , 4000 , 5000 , 3500 ], "month" : 8 } d3 = dataframe(data) print (d3) print ( "======获取一列数据======" ) print (d3[ "apart" ]) print ( "======获取一行数据======" ) print (d3.ix[ 1 ]) print ( "======修改数据值======" ) d3[ "month" ] = [ 7 , 8 , 9 , 10 ] #修改值 d3[ "year" ] = [ 2001 , 2001 , 2003 , 2004 ] #新增列 d3.ix[ "4" ] = np.nan print (d3) |
运行结果:
apart month profit
0 1101 8 2000
1 1102 8 4000
2 1103 8 5000
3 1104 8 3500
======获取一列数据======
0 1101
1 1102
2 1103
3 1104
name: apart, dtype: object
======获取一行数据======
apart 1102
month 8
profit 4000
name: 1, dtype: object
======修改数据值======
apart month profit year
0 1101 7.0 2000.0 2001.0
1 1102 8.0 4000.0 2001.0
2 1103 9.0 5000.0 2003.0
3 1104 10.0 3500.0 2004.0
4 nan nan nan nan
3、pandas基本功能
(1)pandas数据文件读取
|
import numpy as np import pandas as pd from pandas import series,dataframe #pandas基本操作 #1.数据文件读取 df = pd.read_csv( "data.csv" ) print (df) |
运行结果:
name age source
0 gerry 18 98.5
1 tom 21 78.2
2 lili 24 98.5
3 john 20 89.2
(2)数据过滤获取
|
import numpy as np import pandas as pd from pandas import series,dataframe #pandas基本操作 #1.数据文件读取 df = pd.read_csv( "data.csv" ) print (df) #2.数据过滤获取 columns = [ "姓名" , "年龄" , "成绩" ] df.columns = columns #更改列索引 print ( "=======更改列索引========" ) print (df) #获取几列的值 df1 = df[columns[ 1 :]] print ( "=======获取几列的值========" ) print (df1) print ( "=======获取几行的值========" ) print (df.ix[ 1 : 3 ]) #删除含有nan值的行 df2 = df1.dropna() print ( "=======删除含有nan值的行=======" ) print (df2) |
运行结果:
name age source
0 gerry 18 98.5
1 tom 21 nan
2 lili 24 98.5
3 john 20 89.2
=======更改列索引========
姓名 年龄 成绩
0 gerry 18 98.5
1 tom 21 nan
2 lili 24 98.5
3 john 20 89.2
=======获取几列的值========
年龄 成绩
0 18 98.5
1 21 nan
2 24 98.5
3 20 89.2
=======获取几行的值========
姓名 年龄 成绩
1 tom 21 nan
2 lili 24 98.5
3 john 20 89.2
=======删除含有nan值的行=======
年龄 成绩
0 18 98.5
2 24 98.5
3 20 89.2
希望本文所述对大家python程序设计有所帮助。
原文链接:https://blog.csdn.net/loveliuzz/article/details/78498094
- python3 怎么查看函数用法(Python3 max函数基础用法)
- python中的pandas功能(Python常见的pandas用法demo示例)
- python将txt数据写入excel(Python将列表数据写入文件txt, csv,excel)
- python默认缩进设置(不归路系列:Python入门之旅-一定要注意缩进!!!推荐)
- 用python编写一个gui(用 Python 构建漂亮的 GUI)
- python初学篇元组(元组列表字典莫烦python基础)
- python3yield使用教程(python中yield的用法详解——最简单,最清晰的解释)
- python怎么爬取excel数据(python爬取内容存入Excel实例)
- 基于pythonopencv的图片识别(Python Opencv实现图像轮廓识别功能)
- pythondict排序原理(Python标准库使用OrderedDict类的实例讲解)
- python3的循环怎么用(对Python3 goto 语句的使用方法详解)
- python中统计文本中单词数的代码(Linux上使用Python统计每天的键盘输入次数)
- python如何遍历一个列表(说说如何遍历Python列表的方法示例)
- python零基础入门详细教程(Python零基础入门学习之输入与输出)
- 如何用python创建单链表(Python3实现的反转单链表算法示例)
- python3语法规则(详解Python3注释知识点)
- 你知道 七夕 的真正含义吗(你知道七夕的真正含义吗)
- 七夕的寓意(七夕的寓意)
- 苏志燮赵恩静结婚,韩国四大公共财产变三人,这么快就有替补了(苏志燮赵恩静结婚)
- 《内在美》后,一大波新韩剧来袭,李钟硕朴信惠宋慧乔玄彬回归(一大波新韩剧来袭)
- 给孩子选购保温杯,注意这4个步骤,比颜值更重要(给孩子选购保温杯)
- 保温好 容量大 颜值高 保温杯你给娃娃买对了吗(保温好容量大颜值高)
热门推荐
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9