DataFrame 内置函数
时间: 2023-11-03 07:53:11 浏览: 51
DataFrame 是 pandas 库中的一个数据结构,它提供了许多内置函数可以对 DataFrame 进行操作和处理。以下是一些常用的 DataFrame 内置函数:
1. head():返回 DataFrame 的前几行,默认返回前 5 行。
2. tail():返回 DataFrame 的后几行,默认返回后 5 行。
3. info():显示 DataFrame 的基本信息,包括列名、数据类型、非空值个数等。
4. describe():显示 DataFrame 中数值列的统计信息,包括计数、平均值、标准差、最小值、最大值等。
5. shape:返回 DataFrame 的形状,即行数和列数。
6. columns:返回 DataFrame 的列名。
7. index:返回 DataFrame 的索引。
8. dtypes:返回 DataFrame 各列的数据类型。
9. unique():返回 DataFrame 列中的唯一值。
10. dropna():删除包含缺失值的行或列。
11. fillna():填充 DataFrame 中的缺失值。
12. groupby():按照指定的列对 DataFrame 进行分组。
13. sort_values():按照指定的列对 DataFrame 进行排序。
14. merge():根据指定的列将两个 DataFrame 进行合并。
15. pivot_table():根据指定的列生成透视表。
这些只是一些常用的内置函数,DataFrame 还有很多其他功能强大的方法可以进行数据处理和分析。
相关问题
python dataframe apply函数
Python中的DataFrame apply函数是一种数据处理函数,它可以对DataFrame中的每一列或每一行进行函数操作。apply函数可以接受一个函数作为参数,这个函数可以是自定义的函数或者是Python内置的函数。apply函数的返回值是一个Series或DataFrame对象,它们的长度与原始DataFrame的长度相同。apply函数的使用可以大大简化数据处理的过程,提高数据处理的效率。
pandas横向累计求积的内置函数
pandas中横向累计求积的内置函数是`cumprod()`,该函数可以对DataFrame中的每一列进行累计求积操作,返回一个新的DataFrame对象。具体用法如下:
```python
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
# 对每一列进行横向累计求积操作
result = df.cumprod(axis=0)
# 打印结果
print(result)
```
输出结果为:
```
A B
0 1 4
1 2 20
2 6 120
```
上述代码中,`cumprod()`函数的`axis`参数默认为0,表示对每一列进行累计求积操作。如果要对每一行进行累计求积操作,可以将`axis`参数设置为1。