pandas库中的.shape

时间: 2023-10-28 17:54:44 浏览: 105

pandas库学习报告.docx

5星 · 资源好评率100%

### pandas库学习报告 #### 一、pandas简介 pandas 是一个强大的 Python 库，专为数据分析设计。它建立在 NumPy 基础之上，提供了一系列高级数据结构和数据分析工具，使得处理数据变得更加简单高效。pandas 的核心数据结构包括 Series（一维）和 DataFrame（二维）。通过这些结构，用户可以方便地执行数据导入、清洗、处理、统计以及输出等操作。 #### 二、环境配置 **环境要求：** - 操作系统：不限 - Python 版本：推荐使用 Python 3.6 或更高版本 **安装与导入：** 安装 pandas 可以通过 pip 命令实现： ```bash pip install pandas ``` 在 Python 脚本或交互式环境中导入 pandas： ```python import pandas as pd ``` #### 三、数据读取与处理 **读取文件：** 假设有一个 Excel 文件 `test.xlsx`，可以通过以下方式将其转换为 CSV 格式并加载到 pandas DataFrame 中： ```python import pandas as pd from pandas import DataFrame, Series # 读取 Excel 文件 df = DataFrame(pd.read_excel('test.xlsx')) # 将数据保存为 CSV 文件 df.to_csv('test1.csv') # 打印数据 print(df) ``` 如果遇到缺少 `xlrd` 模块的问题，可以通过 pip 安装： ```bash pip install xlrd ``` #### 四、pandas 功能概览 pandas 提供了许多实用的功能，包括但不限于： - **标签设置**：为数据行和列指定标签。 - **时间序列支持**：对于时间序列数据，可以轻松进行滚动统计分析。 - **处理 NaN 值**：能够灵活处理缺失数据。 - **数据集合并**：支持将多个数据集合并为一个。 - **与 NumPy 和 Matplotlib 集成**：无缝集成其他常用库。 #### 五、pandas 数据结构 pandas 提供了几种关键的数据结构来处理数据： - **Series**：一维数组，类似于 NumPy 的一维 array，但增加了标签索引的支持，可以存储不同类型的数据。 - **DataFrame**：二维表格型数据结构，类似于 R 语言中的 data.frame，是处理和分析数据的主要结构。 - **Panel**：三维数组，可以视为 DataFrame 的容器。 - **Panel4D**：四维数据容器，类似于 Panel。 - **PanelND**：提供了创建多维命名容器的方法。 #### 六、pandas Series 深入介绍 **创建 Pandas Series：** ```python # 创建一个包含不同类型数据的 Series groceries = pd.Series(data=[30, 6, 'yes', 'No'], index=['eggs', 'apples', 'milk', 'bread']) # 创建一个多维 Series ser = pd.Series(data=[[0, 1, 2, 3], [1, 3, 5, 7], [2, 4, 6, 8]], index=(['a', 'b', 'c'])) ``` **查看 Series 属性：** - **元素数量**：`groceries.size` - **形状**：`groceries.shape` - **维度**：`groceries.ndim` - **索引列表**：`groceries.index` - **元素列表**：`groceries.values` **查看索引标签：** ```python print('book' in groceries) # 输出 False ``` **访问 Series 中的元素：** - **标签索引**：`groceries['eggs']` - **数字索引**：`groceries[1]` - **混合索引**：`groceries.loc['milk']` (标签索引), `groceries.iloc[0]` (数字索引) **修改和删除 Series 中的元素：** ```python # 修改元素 groceries['eggs'] = 2 # 删除元素 del groceries['eggs'] ``` 以上内容详细介绍了 pandas 库的基础知识和常用操作，希望对大家有所帮助。在实际应用中，pandas 还提供了更多高级功能等待探索。

属性的作用是什么？ Pandas中的shape属性可以用于获取数据对象的维度信息，它返回一个元组，其中包含数据对象中行数和列数的数量。例如，在一个DataFrame对象中使用shape属性，它会返回(行数, 列数)的元组，而在一个Series对象中，它将只显示行数。这个属性通常用于快速检查数据对象的形状，以确保数据是否被载入正确。

阅读全文

pandas库中的.shape

相关推荐

全方位解读pandas库.docx

pandas笔试题.pdf

做一个使用 Python 的 pandas 库读取表格数据并统计人数的脚本示例： python 1. 导入 pandas 库 2. 读取表格数据 3. 合并列 4. 分割字符串 5. 扁平化列表 6. 去除重复 7. 统计人数 8. 打印结果

pandas常用操作.pdf

pandas使用手册.pdf

Numpy and Pandas Cheat Sheet.zip

Python程序设计：pandas使用基础.pptx

ImportError: cannot import name 'is_exact_shape_match' from 'pandas.core.indexers'

print(df.shape) df1 = df[df['CALL_GROUP_NUM']<=10] print(df1.shape)

df = px.data.iris() fig = px.density_contour(train_public, x="early_return_amount", y="total_loan") fig.show() 在不使用plotly库的前提下，将此段代码改为pandas和matplotlib.pyplot库下的代码

import pandas as pd df1 = pd.read_excel(r'E:\\data\\蔬菜相关数据.xlsx') df1 print(df1.shape)解析代码

def format_3d(df): X = np.array(df) return np.reshape(X, (X.shape[0], X.shape[1], 1))代码讲解

testData = pd.read_csv(r'data\test.csv') print('训练数据集:', trainData.shape,', 测试数据集:', testData.shape)

"have shapes {} and {}".format(x.shape, y.shape)) ValueError: x and y must have same first dimension, but have shapes (285,) and (14, 1)

Python对给定数据集pandas_data.csv，完成如下题目(除pe成绩）： （1）计算成绩的平均值，作为新的一列加入到原数据中。 （1）统计每个科目75分以上的人数。

df.shape函数介绍

yolov5s nnie.zip

基于uni-app+uview-ui开发的校园云打印系统微信小程序项目源码+文档说明

最新推荐

pandas大数据分析笔记.docx

Python数据科学速查表 - Pandas 基础.pdf

yolov5s nnie.zip

JHU荣誉单变量微积分课程教案介绍

管理建模和仿真的文件

【实战篇：自定义损失函数】：构建独特损失函数解决特定问题，优化模型性能

如何在ZYNQMP平台上配置TUSB1210 USB接口芯片以实现Host模式，并确保与Linux内核的兼容性？

Naruto爱好者必备CLI测试应用

"互动学习：行动中的多样性与论文攻读经历"

【强化学习损失函数探索】：奖励函数与损失函数的深入联系及优化策略

Python对给定数据集pandas_data.csv，完成如下题目(除pe成绩）：（1）计算成绩的平均值，作为新的一列加入到原数据中。（1）统计每个科目75分以上的人数。