网站怎么屏蔽ip访问,电子商务网站建设方案案例,企业营销推广怎么做,wordpress目录主题【Pandas】驯化-01一文介绍 Pandas中的Dataframe和Series 区别 本次修炼方法请往下查看 #x1f308; 欢迎莅临我的个人主页 #x1f448;这里是我工作、学习、实践 IT领域、真诚分享 踩坑集合#xff0c;智慧小天地#xff01; #x1f387; 相关内容文档获取 微信公众…【Pandas】驯化-01一文介绍 Pandas中的Dataframe和Series 区别   本次修炼方法请往下查看 欢迎莅临我的个人主页 这里是我工作、学习、实践 IT领域、真诚分享 踩坑集合智慧小天地 相关内容文档获取 微信公众号 相关内容视频讲解 B站 博主简介AI算法驯化师混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位 个人申请专利40熟练掌握机器、深度学习等各类应用算法原理和项目实战经验。 技术专长 在机器学习、搜索、广告、推荐、CV、NLP、多模态、数据分析等算法相关领域有丰富的项目实战经验。已累计为求职、科研、学习等需求提供近千次有偿|无偿定制化服务助力多位小伙伴在学习、求职、工作上少走弯路、提高效率近一年好评率100% 。 博客风采 积极分享关于机器学习、深度学习、数据分析、NLP、PyTorch、Python、Linux、工作、项目总结相关的实用内容。 文章目录 一、Pandas 是什么 二、Pandas中Series 三、Pandas中的DataFrame 四、总结与展望 下滑查看解决方法 一、Pandas 是什么 Pandas是小量数据分析的大杀器在目前国内数据挖掘比赛、工作、金融量化中常用工具 常用来处理类似execl中的结构化数据和Python语言以及其他可视化的工具包结合使得其在数据分析、数据挖掘、算法分析领域大放异彩。   如果想要从事数据分析以及算法等相关的工作Pandas是一个必不可少的工作本来带大家来认识Pandas中数据格式daframe和series的使用和区别。 二、Pandas中Series 在pandas中Series是一种一维的数据结构类似于数组或列表。它由两部分组成数据的序列和相应的索引。可以使用pandas中的pd.Series()函数来创建一个Series对象。其中数据可以是Python列表、NumPy数组或标量。索引可以是默认的整数索引也可以是自定义的标签索引。 Series对象的特点之一是它的元素是有序排列的并且每个元素都有相应的索引。这使得对数据的访问和处理更加方便。。以下是一个基本的使用示例 import pandas as pd# 创建一个Series对象可以通过列表字典数组都行 data [10, 20, 30, 40, 50] index [A, B, C, D, E] series pd.Series(data, index)data [10, 20, 30, 40, 50] index [A, B, C, D, E] series pd.Series(data, index)print(series)print(series)print(output.shape) # 应该输出 (10, 32, 512)与query的shape一致A 10 B 20 C 30 D 40 E 50 dtype: int64# 查询相关原始的方法 series[0] # 通过整数索引访问第一个元素 series[a] # 通过标签索引访问键为a的元素 series[1:3] # 获取索引为1到2的元素三、Pandas中的DataFrame 在pandas中DataFrame是一种二维数据结构类似于关系型数据库中的表格。它由多个Series对象按列组成并且每列可以具有不同的数据类型。   DataFrame可以看作是一个带有行和列索引的二维表格其中每一行表示数据集中的一条记录每一列表示一种特征或属性。   可以使用pandas中的pd.DataFrame()函数来创建一个DataFrame对象。可以传入多种类型的数据作为数据源例如Python列表、NumPy数组、字典或其他DataFrame对象。下面是一个创建DataFrame对象的示例代码 import pandas as pd# 创建一个DataFrame对象 data {Name: [Alice, Bob, Charlie, David],Age: [25, 30, 35, 40],City: [Beijing, Shanghai, Guangzhou, Chengdu]}df pd.DataFrame(data)print(df) Name Age City 0 Alice 25 Beijing 1 Bob 30 Shanghai 2 Charlie 35 Guangzhou 3 David 40 ChengduDataFrame对象将会显示每一列的名称和对应的数据。默认情况下每一列将使用整数索引从0开始递增。同时DataFrame对象也会有一个通用的行索引从0开始递增。可以通过以下方式来访问和操作DataFrame对象 通过列名访问列数据df[‘Name’]将返回’Name’列的数据通过位置索引访问行数据df.iloc[0]将返回第一行的数据使用切片操作获取子集df.iloc[1:3]将返回索引为1到2的行数据使用布尔条件筛选行数据df[df[‘Age’] 30]将返回年龄大于30的行数据使用函数操作列数据df[‘Age’].apply(func)将对’Age’列的每个元素应用指定的函数。此外DataFrame对象还提供了很多其他方法和属性可以用于对数据进行统计、计算、排序、重塑和处理等操作。 总结一下pandas中的DataFrame是一种强大的数据结构用于表示和操作二维数据集。它提供了丰富的功能和方法使得数据的处理和分析更加灵活和高效。通常工作中使用的都是Dataframe类型的数据格式后续文章将对dataframe的数据格式进行详细的使用以及日常问题分享。 四、总结与展望 DataFrame: 为多行多列数据Series一列数据由默认index和values组成针对DataFrame格式的数据当对其进行操作时有行和列之分大部分的函数都有一个参数控制是对行进行操作还是列进行操作axis