panda对数据框进行累加操作
时间: 2023-08-22 18:06:33 浏览: 94
可以使用 Pandas 中的 `cumsum()` 函数对数据框进行累加操作,该函数会返回一个累加后的数据框,其每个元素都是原始数据框中对应元素的累加和。
下面是一个示例代码:
```python
import pandas as pd
# 创建一个数据框
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
# 对数据框进行累加操作
cumulative_df = df.cumsum()
print(cumulative_df)
```
输出结果为:
```
A B
0 1 4
1 3 9
2 6 15
```
在上面的代码中,我们首先创建了一个数据框 `df`,然后使用 `cumsum()` 函数对其进行累加操作,得到了一个新的数据框 `cumulative_df`。最后,我们输出了累加后的数据框。
相关问题
用panda查看数据框数据框形状
你可以使用 Pandas 的 `shape` 属性来查看数据框的形状,即行数和列数。示例如下:
```python
import pandas as pd
# 创建一个数据框
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
# 查看数据框的形状
print(df.shape)
```
输出:
```
(3, 2)
```
其中,`(3, 2)` 表示数据框有 3 行和 2 列。
用panda查看数据框基本信息
可以使用 `pandas` 库中的 `info()` 方法来查看数据框的基本信息,包括每个列的名称、非空值数量、每个列的数据类型等等。例如:
```python
import pandas as pd
df = pd.read_csv('data.csv') # 假设数据保存在 data.csv 文件中
print(df.info())
```
输出结果类似于:
```
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 4 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Name 1000 non-null object
1 Age 1000 non-null int64
2 Gender 1000 non-null object
3 Salary 1000 non-null float64
dtypes: float64(1), int64(1), object(2)
memory usage: 31.4+ KB
None
```
其中,`RangeIndex` 表示数据框的行索引范围;`total` 表示数据框的总列数;`Column` 列出了每个列的名称和非空值数量;`Dtype` 列出了每个列的数据类型;`memory usage` 表示数据框在内存中所占用的空间大小。