python pandas读取数据库表(Python3.5 Pandas模块之DataFrame用法实例分析)
python pandas读取数据库表
Python3.5 Pandas模块之DataFrame用法实例分析本文实例讲述了python3.5 pandas模块之dataframe用法。分享给大家供大家参考,具体如下:
1、dataframe的创建
(1)通过二维数组方式创建
|
#!/usr/bin/env python # -*- coding:utf-8 -*- # author:zhengzhengliu import numpy as np import pandas as pd from pandas import series,dataframe #1.dataframe通过二维数组创建 print ( "======dataframe直接通过二维数组创建======" ) d1 = dataframe([[ "a" , "b" , "c" , "d" ],[ 1 , 2 , 3 , 4 ]]) print (d1) print ( "======dataframe借助array二维数组创建======" ) arr = np.array([ [ "jack" , 78 ], [ "lili" , 86 ], [ "amy" , 97 ], [ "tom" , 100 ] ]) d2 = dataframe(arr,index = [ "01" , "02" , "03" , "04" ],columns = [ "姓名" , "成绩" ]) print (d2) print ( "========打印行索引========" ) print (d2.index) print ( "========打印列索引========" ) print (d2.columns) print ( "========打印值========" ) print (d2.values) |
运行结果:
======dataframe直接通过二维数组创建======
0 1 2 3
0 a b c d
1 1 2 3 4
======dataframe借助array二维数组创建======
姓名 成绩
01 jack 78
02 lili 86
03 amy 97
04 tom 100
========打印行索引========
index(['01', '02', '03', '04'], dtype='object')
========打印列索引========
index(['姓名', '成绩'], dtype='object')
========打印值========
[['jack' '78']
['lili' '86']
['amy' '97']
['tom' '100']]
(2)通过字典方式创建
|
#2.dataframe通过字典创建,键作为列索引,键值作为数据值,行索引值自动生成 data = { "apart" :[ '1101' , "1102" , "1103" , "1104" ], "profit" :[ 2000 , 4000 , 5000 , 3500 ], "month" : 8 } d3 = dataframe(data) print (d3) print ( "========行索引========" ) print (d3.index) print ( "========列索引========" ) print (d3.columns) print ( "========数据值========" ) print (d3.values) |
运行结果:
apart month profit
0 1101 8 2000
1 1102 8 4000
2 1103 8 5000
3 1104 8 3500
========行索引========
rangeindex(start=0, stop=4, step=1)
========列索引========
index(['apart', 'month', 'profit'], dtype='object')
========数据值========
[['1101' 8 2000]
['1102' 8 4000]
['1103' 8 5000]
['1104' 8 3500]]
2、dataframe数据获取
|
import numpy as np import pandas as pd from pandas import series,dataframe #3.dataframe获取数据 data = { "apart" :[ '1101' , "1102" , "1103" , "1104" ], "profit" :[ 2000 , 4000 , 5000 , 3500 ], "month" : 8 } d3 = dataframe(data) print (d3) print ( "======获取一列数据======" ) print (d3[ "apart" ]) print ( "======获取一行数据======" ) print (d3.ix[ 1 ]) print ( "======修改数据值======" ) d3[ "month" ] = [ 7 , 8 , 9 , 10 ] #修改值 d3[ "year" ] = [ 2001 , 2001 , 2003 , 2004 ] #新增列 d3.ix[ "4" ] = np.nan print (d3) |
运行结果:
apart month profit
0 1101 8 2000
1 1102 8 4000
2 1103 8 5000
3 1104 8 3500
======获取一列数据======
0 1101
1 1102
2 1103
3 1104
name: apart, dtype: object
======获取一行数据======
apart 1102
month 8
profit 4000
name: 1, dtype: object
======修改数据值======
apart month profit year
0 1101 7.0 2000.0 2001.0
1 1102 8.0 4000.0 2001.0
2 1103 9.0 5000.0 2003.0
3 1104 10.0 3500.0 2004.0
4 nan nan nan nan
3、pandas基本功能
(1)pandas数据文件读取
|
import numpy as np import pandas as pd from pandas import series,dataframe #pandas基本操作 #1.数据文件读取 df = pd.read_csv( "data.csv" ) print (df) |
运行结果:
name age source
0 gerry 18 98.5
1 tom 21 78.2
2 lili 24 98.5
3 john 20 89.2
(2)数据过滤获取
|
import numpy as np import pandas as pd from pandas import series,dataframe #pandas基本操作 #1.数据文件读取 df = pd.read_csv( "data.csv" ) print (df) #2.数据过滤获取 columns = [ "姓名" , "年龄" , "成绩" ] df.columns = columns #更改列索引 print ( "=======更改列索引========" ) print (df) #获取几列的值 df1 = df[columns[ 1 :]] print ( "=======获取几列的值========" ) print (df1) print ( "=======获取几行的值========" ) print (df.ix[ 1 : 3 ]) #删除含有nan值的行 df2 = df1.dropna() print ( "=======删除含有nan值的行=======" ) print (df2) |
运行结果:
name age source
0 gerry 18 98.5
1 tom 21 nan
2 lili 24 98.5
3 john 20 89.2
=======更改列索引========
姓名 年龄 成绩
0 gerry 18 98.5
1 tom 21 nan
2 lili 24 98.5
3 john 20 89.2
=======获取几列的值========
年龄 成绩
0 18 98.5
1 21 nan
2 24 98.5
3 20 89.2
=======获取几行的值========
姓名 年龄 成绩
1 tom 21 nan
2 lili 24 98.5
3 john 20 89.2
=======删除含有nan值的行=======
年龄 成绩
0 18 98.5
2 24 98.5
3 20 89.2
希望本文所述对大家python程序设计有所帮助。
原文链接:https://blog.csdn.net/loveliuzz/article/details/78498094
- pythonide使用教程(对Python Pexpect 模块的使用说明详解)
- python零基础入门详细教程(Python零基础入门学习之输入与输出)
- python中的变量与变量类型(Python变量类型知识点总结)
- python群聊提示(python-itchat 统计微信群、好友数量,及原始消息数据的实例)
- python怎么给rsa加密(Python生成rsa密钥对操作示例)
- 用mysql语句写python学生管理系统(Python基于mysql实现学生管理系统)
- python3.5 tkinter教程(解决python3.5 正常安装 却不能直接使用Tkinter包的问题)
- python零基础实战项目(十个Python练手的实战项目,学会这些Python就基本没问题了推荐)
- python中创建类的方法(Python中如何导入类示例详解)
- python使用门算法加密文件(python实现栅栏加解密 支持密钥加密)
- python怎么安装queue(python队列Queue的详解)
- python class转json(Python对象转换为json的方法步骤)
- python元组和列表的定义(Python基本数据结构与用法详解列表、元组、集合、字典)
- python画折线图(python使用Plotly绘图工具绘制水平条形图)
- pythonmath库引入方法(python使用thrift教程的方法示例)
- python3.7手册中文版(Python3.4解释器用法简单示例)
- 英语难学吗(初中英语难学吗)
- 如何追女孩子(如何追女孩子的技巧和方法)
- 是不是快乐全被你拿走了(而是你得到的)
- 世界上只有妈妈好(世界上只有妈妈好的歌词)
- 为什么现在社会越来越卷了(现在社会为什么发展那么快呢)
- 直播带货能赚到很多钱吗(直播带货能赚到很多钱吗现在)
热门推荐
- python中tkinter模块窗口操作(详解python tkinter教程-事件绑定)
- mysql数据库丢失怎么办(MySQL 数据丢失排查案例)
- HTTP请求中浏览器缓存
- python的几种数据结构(python中的数据结构比较)
- jupyternotebook搭建和使用(Jupyter Notebook运行JavaScript的方法)
- opencv 图像匹配python(OpenCV+Python识别车牌和字符分割的实现)
- Extjs menu菜单的简单用法
- docker rabbitmq集群部署(Docker部署rabbitmq遇到的两个问题)
- jquery中change()
- php在没有命名空间之前是怎么调(php命名空间设计思想、用法与缺点分析)
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9