【Python學(xué)習(xí)】No.7 Pandas常用函數(shù)(一)

1.cut

pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3,include_lowest=False)

  • x:類似數(shù)組排列
    輸入要binned的陣列。 它必須是一維的。
  • bins : int蒸眠,標(biāo)量序列,或區(qū)間索引
    如果bins取一個int整數(shù)婶恼,它定義了在x范圍內(nèi)的等寬bins的數(shù)量。然而柏副,在這種情況下勾邦,x的范圍在每一邊擴展了0.1%,包含了x的最小值或最大值割择。如果bins是一個序列眷篇,它就定義了bins的邊界即寬度,允許不均勻的bins寬度荔泳。在這種情況下沒有擴展x的范圍蕉饼。
  • right:boolean 值,可選
    表明bins是否包括最右邊緣换可。 如果right == True(默認(rèn)值)椎椰,則bin[1,2,3,4]表示(1,2],(2,3]沾鳄,(3,4]。
  • labels :數(shù)組或布爾确憨,默認(rèn)無
  • indicators ['?nd?,ket?] n. 指示器(indicator的復(fù)數(shù))译荞;指示燈
    (計算機) 指示劑瓤的、指針
    用作結(jié)果bins的標(biāo)簽。 必須與得到的bins的長度相同吞歼。 如果為False圈膏,則只返回bin的整數(shù)指示符。
  • retbins:boolean值篙骡,可選
    是否返回bins稽坤? 如果bins是給定的一個標(biāo)量,可以使用它糯俗。(retbins就是return bins的縮寫尿褪,即這個參數(shù)是表示是否返回bins參數(shù)的內(nèi)容,true就返回得湘,false就不返回)
  • precision :int,可選的
    存儲和顯示bins標(biāo)簽的精度
  • include_lowest :bool杖玲,可選

2.concat

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False,copy=True)

  • objs:Series,DataFrame或Panel對象的序列或映射淘正。如果傳遞了dict摆马,則排序的鍵將用作鍵參數(shù),除非它被傳遞鸿吆,在這種情況下囤采,將選擇值(見下文)。任何無對象將被靜默刪除惩淳,除非它們都是無斑唬,在這種情況下將引發(fā)一個ValueError。
  • axis:{0,1黎泣,...}恕刘,默認(rèn)為0。沿著連接的軸抒倚。
  • join:{'inner'褐着,'outer'},默認(rèn)為“outer”托呕。如何處理其他軸上的索引含蓉。outer為聯(lián)合和inner為交集。
  • ignore_index:boolean项郊,default False馅扣。如果為True堂湖,請不要使用并置軸上的索引值向族。結(jié)果軸將被標(biāo)記為0,...憾筏,n-1。如果要連接其中并置軸沒有有意義的索引信息的對象蓄喇,這將非常有用发侵。注意,其他軸上的索引值在連接中仍然受到尊重妆偏。
  • join_axes:Index對象列表刃鳄。用于其他n-1軸的特定索引,而不是執(zhí)行內(nèi)部/外部設(shè)置邏輯钱骂。
  • keys:序列叔锐,默認(rèn)值無。使用傳遞的鍵作為最外層構(gòu)建層次索引见秽。如果為多索引愉烙,應(yīng)該使用元組。
  • levels:序列列表张吉,默認(rèn)值無齿梁。用于構(gòu)建MultiIndex的特定級別(唯一值)。否則肮蛹,它們將從鍵推斷勺择。
  • names:list,default無伦忠。結(jié)果層次索引中的級別的名稱省核。
  • verify_integrity:boolean,default False昆码。檢查新連接的軸是否包含重復(fù)項气忠。這相對于實際的數(shù)據(jù)串聯(lián)可能是非常昂貴的。
  • copy:boolean赋咽,default True旧噪。如果為False,請勿不必要地復(fù)制數(shù)據(jù)脓匿。

3.iloc與loc

pandas以類似字典的方式來獲取某一列的值淘钟,比如df['A'],這會得到df的A列陪毡。如果我們對某一行感興趣呢米母?這個時候有兩種方法,一種是iloc方法毡琉,另一種方法是loc方法铁瞒。loc是指location的意思,iloc中的i是指integer桅滋。這兩者的區(qū)別如下:
? loc works on labels in the index.
? iloc works on the positions in the index (so it only takes integers).
也就是說loc是根據(jù)index來索引慧耍,那么loc就根據(jù)這個index來索引對應(yīng)的行。iloc并不是根據(jù)index來索引,而是根據(jù)行號來索引蜂绎,行號從0開始栅表,逐次加1笋鄙。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末师枣,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子萧落,更是在濱河造成了極大的恐慌践美,老刑警劉巖,帶你破解...
    沈念sama閱讀 219,188評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件找岖,死亡現(xiàn)場離奇詭異陨倡,居然都是意外死亡,警方通過查閱死者的電腦和手機许布,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,464評論 3 395
  • 文/潘曉璐 我一進(jìn)店門兴革,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人蜜唾,你說我怎么就攤上這事杂曲。” “怎么了袁余?”我有些...
    開封第一講書人閱讀 165,562評論 0 356
  • 文/不壞的土叔 我叫張陵擎勘,是天一觀的道長。 經(jīng)常有香客問我颖榜,道長棚饵,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 58,893評論 1 295
  • 正文 為了忘掉前任掩完,我火速辦了婚禮噪漾,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘且蓬。我一直安慰自己欣硼,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 67,917評論 6 392
  • 文/花漫 我一把揭開白布缅疟。 她就那樣靜靜地躺著分别,像睡著了一般。 火紅的嫁衣襯著肌膚如雪存淫。 梳的紋絲不亂的頭發(fā)上耘斩,一...
    開封第一講書人閱讀 51,708評論 1 305
  • 那天,我揣著相機與錄音桅咆,去河邊找鬼括授。 笑死,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的荚虚。 我是一名探鬼主播薛夜,決...
    沈念sama閱讀 40,430評論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼版述!你這毒婦竟也來了梯澜?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,342評論 0 276
  • 序言:老撾萬榮一對情侶失蹤渴析,失蹤者是張志新(化名)和其女友劉穎晚伙,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體俭茧,經(jīng)...
    沈念sama閱讀 45,801評論 1 317
  • 正文 獨居荒郊野嶺守林人離奇死亡咆疗,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...
    茶點故事閱讀 37,976評論 3 337
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了母债。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片午磁。...
    茶點故事閱讀 40,115評論 1 351
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖毡们,靈堂內(nèi)的尸體忽然破棺而出迅皇,到底是詐尸還是另有隱情,我是刑警寧澤漏隐,帶...
    沈念sama閱讀 35,804評論 5 346
  • 正文 年R本政府宣布喧半,位于F島的核電站,受9級特大地震影響青责,放射性物質(zhì)發(fā)生泄漏挺据。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,458評論 3 331
  • 文/蒙蒙 一脖隶、第九天 我趴在偏房一處隱蔽的房頂上張望扁耐。 院中可真熱鬧,春花似錦产阱、人聲如沸婉称。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,008評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽王暗。三九已至,卻和暖如春庄敛,著一層夾襖步出監(jiān)牢的瞬間俗壹,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,135評論 1 272
  • 我被黑心中介騙來泰國打工藻烤, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留绷雏,地道東北人头滔。 一個月前我還...
    沈念sama閱讀 48,365評論 3 373
  • 正文 我出身青樓,卻偏偏與公主長得像涎显,于是被迫代替她去往敵國和親坤检。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,055評論 2 355

推薦閱讀更多精彩內(nèi)容