开发手册 欢迎您!
软件开发者资料库

Python Pandas 分析DataFrame

Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一,本文主要介绍Python Pandas 分析DataFrame。

1、查看数据

head()方法是获取DataFrame概述的最常用方法之一。

head()方法从顶部开始返回标题和指定的行数。

例如:

通过打印DataFrame的前10行获得快速查看:

import pandas as pddf = pd.read_csv('data.csv')print(df.head(10))

在我们的示例中,我们将使用一个名为“data.csv”的CSV文件。

data.csv文件:https://www.wonhero.com/download/5fe1f74edc72d93b4993067c/

注意:如果未指定行数,则head()方法将返回前5行。

例如:

打印DataFrame的前5行:

import pandas as pddf = pd.read_csv('data.csv')print(df.head())

还有一个tail()方法,用于查看DataFrame的last行。

tail()方法从底部开始返回标题和指定的行数。

例如:

打印DataFrame的最后5行:

print(df.tail())

2、DataFrame数据信息

DataFrame对象具有称为info()的方法,该方法为您提供有关数据集的更多信息。

例如:

打印有关数据的信息:

print(df.info()) 

Result

  RangeIndex: 169 entries, 0 to 168  Data columns (total 4 columns):   #   Column    Non-Null Count  Dtype    ---  ------    --------------  -----     0   Duration  169 non-null    int64     1   Pulse     169 non-null    int64     2   Maxpulse  169 non-null    int64     3   Calories  164 non-null    float64  dtypes: float64(1), int64(3)  memory usage: 5.4 KB  None

3、结果解释

结果告诉我们,共有169行和4列:

RangeIndex: 169 entries, 0 to 168Data columns (total 4 columns):

以及每列的名称,其数据类型为:

  #   Column    Non-Null Count  Dtype    ---  ------    --------------  -----     0   Duration  169 non-null    int64     1   Pulse     169 non-null    int64     2   Maxpulse  169 non-null    int64     3   Calories  164 non-null    float64

4、Null 值

info()方法还告诉我们每个列中有多少非空值。在分析数据时,空值或Null值可能很麻烦,应该考虑删除具有空值的行。这是所谓的清理数据的操作,将在下一个文档中了解更多。