Python Beginners(5) - Pandas_index

1. Select Rows

# First five rows
fandango[0:5]
# From row at 140 and higher
fandango[140:]
# Just row at index 50
fandango.iloc[50]
# Just row at index 45 and 90
fandango.iloc[[45,90]]
# Select first and last row
fandango.iloc[[0,-1]]

2. Set index

fandango = pd.read_csv('fandango_score_comparison.csv')
fandango_films = fandango.set_index("FILM", inplace = False, drop = False)
print (fandango_films.index)

loc(index_names)

mlist = ["The Lazarus Effect (2015)", "Gett: The Trial of Viviane Amsalem (2015)", "Mr. Holmes (2015)"]
best_movies_ever = fandango_films.loc[mlist]
print (best_movies_ever)

3.Apply Functions

Apply functions.

import pandas as pd
import numpy as np

fandango_films = pd.read_csv("fandango_score_comparison.csv")
types = fandango_films.dtypes
print (types)

float_columns = types[types.values == "float64"].index
print (float_columns)

float_df = fandango_films[float_columns]

print (float_df)

deviations = float_df.apply(lambda x: np.std(x))
print (deviations)

4.Apply Functions along Rows

rt_mt_user = float_df[['RT_user_norm', 'Metacritic_user_nom']]
rt_mt_deviations = rt_mt_user.apply(lambda x: np.std(x), axis=1)
print(rt_mt_deviations[0:5])
rt_mt_means = rt_mt_user.apply(lambda x: np.mean(x), axis = 1)
print (rt_mt_means[0:5])
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末坪仇,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子萧吠,更是在濱河造成了極大的恐慌店展,老刑警劉巖纹笼,帶你破解...
    沈念sama閱讀 217,542評(píng)論 6 504
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡嗤栓,警方通過查閱死者的電腦和手機(jī)爬橡,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,822評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門治唤,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人糙申,你說我怎么就攤上這事宾添。” “怎么了柜裸?”我有些...
    開封第一講書人閱讀 163,912評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵缕陕,是天一觀的道長。 經(jīng)常有香客問我疙挺,道長扛邑,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,449評(píng)論 1 293
  • 正文 為了忘掉前任铐然,我火速辦了婚禮蔬崩,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘搀暑。我一直安慰自己沥阳,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,500評(píng)論 6 392
  • 文/花漫 我一把揭開白布自点。 她就那樣靜靜地躺著桐罕,像睡著了一般。 火紅的嫁衣襯著肌膚如雪桂敛。 梳的紋絲不亂的頭發(fā)上功炮,一...
    開封第一講書人閱讀 51,370評(píng)論 1 302
  • 那天,我揣著相機(jī)與錄音埠啃,去河邊找鬼死宣。 笑死,一個(gè)胖子當(dāng)著我的面吹牛碴开,可吹牛的內(nèi)容都是我干的毅该。 我是一名探鬼主播博秫,決...
    沈念sama閱讀 40,193評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢(mèng)啊……” “哼眶掌!你這毒婦竟也來了挡育?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,074評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤朴爬,失蹤者是張志新(化名)和其女友劉穎即寒,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體召噩,經(jīng)...
    沈念sama閱讀 45,505評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡母赵,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,722評(píng)論 3 335
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了具滴。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片凹嘲。...
    茶點(diǎn)故事閱讀 39,841評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖构韵,靈堂內(nèi)的尸體忽然破棺而出周蹭,到底是詐尸還是另有隱情,我是刑警寧澤疲恢,帶...
    沈念sama閱讀 35,569評(píng)論 5 345
  • 正文 年R本政府宣布凶朗,位于F島的核電站,受9級(jí)特大地震影響显拳,放射性物質(zhì)發(fā)生泄漏棚愤。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,168評(píng)論 3 328
  • 文/蒙蒙 一萎攒、第九天 我趴在偏房一處隱蔽的房頂上張望遇八。 院中可真熱鬧矛绘,春花似錦耍休、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,783評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至囚玫,卻和暖如春喧锦,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背抓督。 一陣腳步聲響...
    開封第一講書人閱讀 32,918評(píng)論 1 269
  • 我被黑心中介騙來泰國打工燃少, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人铃在。 一個(gè)月前我還...
    沈念sama閱讀 47,962評(píng)論 2 370
  • 正文 我出身青樓阵具,卻偏偏與公主長得像碍遍,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子阳液,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,781評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容