pandas----df[‘‘]、df[[‘‘]]、df.的区别

哈哈你个大锤子

已于 2023-06-02 22:30:07 修改

阅读量7.3k

点赞数 12

分类专栏：数据分析

于 2021-04-15 20:36:23 首次发布

本文链接： https://blog.csdn.net/qq_45603718/article/details/115738265

版权

Pandas DataFrame Series 键值选取列

关键词由CSDN通过智能技术生成

数据分析专栏收录该内容

6 篇文章 2 订阅

订阅专栏

df[ ] : 只取某列的值，是键值，返回Series类型
df[[ ]] :取完全的某列，是表格，返回DataFrame类型
df. :只取某列的值，是键值，返回Series类型

关注博主即可阅读全文

立减 ¥

12
点赞
踩
48

收藏

觉得还不错? 一键收藏
1
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

df.列名=df['列名']、pd.factorize(df['列名']）、df['列名'].to_frame()和df.nunique()的使用

Gfqwy2021

02-17

2980

import numpy as np import pandas as pd df = pd.DataFrame({'id':[1,2,3,4,5,6,3,2],'raw_grade':['a','b','c','d','a','b','c','d']}) df.raw_grade Out[4]: 0 a 1 b 2 c 3 d 4 a 5 b 6 ...

pandas-ta-quant-plot-0.2.6.tar.gz

03-08

《Pandas-TA-Quant-Plot：数据可视化与技术分析的高效工具》 Pandas-TA-Quant-Plot是一款基于Python的数据分析库，专为金融市场的技术分析和数据可视化而设计。这个压缩包"pandas-ta-quant-plot-0.2.6.tar.gz"包含...

1 条评论您还未登录，请先登录后发表或查看评论

Pandas数据选取中df[]、df.loc[]、df.iloc[]、df.at[]、df.iat[]的区别及用法

金戈鐡馬

03-26

1万+

　　Pandas是作为Python数据分析著名的工具包，提供了多种数据选取的方法，方便实用。本文主要介绍Pandas的几种数据选取的方法。　　Pandas中，数据主要保存为Dataframe和Series是数据结构，这两种数据结构数据选取的方式基本一致，本文主要以Dataframe为例进行介绍。　　在Dataframe中选取数据大抵包括3中情况：　　1）行（列）选取（单维度选取）：df[]。这种情况一次只能选取行或者列，即一次选取中，只能为行或者列设置筛选条件

使用 Pandas 进行数据对比

最新发布

C'mon的博客

08-17

1191

在本文中，我们探讨了如何使用 Pandas 进行数据对比，包括数据加载、数据清洗、数据对比方法、结果分析等关键步骤。通过实际案例，我们展示了如何比较两个销售数据集，并找出销售额发生变化的产品。Pandas 提供了强大的工具和方法，可以帮助我们在数据分析过程中更加高效地完成数据对比任务。无论是对于初学者还是经验丰富的数据分析师，掌握这些技巧都是非常有用的。

pandas的DataFrame的[]和[[]]的区别

吟游诗人——吟唱生命的不朽

06-13

2065

对于一个DataFrame类型的数据，可以用[]和[[]]来取其某一列或某几列（仅限[[]]才能取某几列）。从[]只能取某一列就能看出，这个取出来的是Series，而[[]]取出来的是DataFrame类型的。

python pandas使用df[]获取dataFrame的数据

weixin_45144170的博客

05-08

7728

pandas查询数据有很多种方式，比较常见的有df[]形式，df.A属性方式，df.iloc[] 方式，df.loc[]方式等等。这几种方式在使用时十分容易混淆，容易报错。从今天开始，我们对此做一下认真分析，纠正下使用方式。今天，我们看一下df[]方式。 df[]索引方式仅接收一个参数，对于获取整行整列的数据十分方便：（1）字符形式 '''字符形式仅接收列label，如下面的dataFrame就是仅接收'name','score', 'grade' ''' # 指定了id列为行标识 >>&g

关于pandas中df[[]]的解谜以及Series与DataFrame的区别

weixin_42670810的博客

12-21

3577

关于pandas中df[[]]的解谜以及Series与DataFrame的区别一直以来我们获取df中某列的值，一般采用df.parm或者df[‘parm’]的方式来获取。今天突然遇到df[[‘number’]]的形式，一开始以为别人写错了，后来才知道原来是取的东西不一样。先看对比代码： import pandas as pd data=pd.DataFrame({'name':['张三','李四','王五'],'age':[18,19,20],'number':[190,200,220]}) prin

df['']和df[['']]的区别

dgs66009的博客

09-20

1822

转载于:https://www.cnblogs.com/smartwhite/p/9682974.html

PyPI 官网下载 | pandas-profiling-2.0.3.tar.gz

01-17

《PyPI官网下载 | pandas-profiling-2.0.3.tar.gz：深度解析与应用》在Python的数据分析领域，pandas库无疑是不可或缺的一部分。为了进一步提升数据分析的效率和质量，开发者们创建了一系列与pandas集成的扩展工具...

pandas-td-0.6.2.tar.gz

03-08

"pandas-td-0.6.2.tar.gz" 是一个包含特定版本的Pandas库扩展TD模块的压缩包文件，版本号为0.6.2。Pandas是Python编程语言中广泛使用的数据处理和分析工具，而TD则是Tokyo Tyrant或 Treasure Data 的简称，这是一个...

pandas-stubs-1.2.0.62.tar.gz

03-08

《Pandas库的类型注解理解与应用》在Python编程中，Pandas库是数据分析领域不可或缺的工具，它提供了高效的数据结构和丰富的数据分析功能。然而，随着Python 3.5引入了类型提示（Type Hints）这一特性，开发者可以...

pandas-tfrecords-0.1.5.tar.gz

03-08

# 假设df是你的Pandas DataFrame df = pd.DataFrame(...) write_tfrecords(df, "output.tfrecords") ``` 这样，DataFrame中的每一行数据都会被序列化并存储到"output.tfrecords"文件中。反之，若要从TFRecord文件中...

【Python】Pandas通过索引的方式去重df[~df.index.duplicated()]

人人都是量化师的专栏

12-06

2640

~df.index.duplicated() 方法是只针对索引做去重，而不考虑列数据，与df.drop_duplicates() 相反。

Pandas选择数据的方法：df[] / df.loc[x, y] / df.iloc[i, j]

Sun_Weiss的博客

06-17

1019

Pandas主要通过索引来定位和获取数据。有df[] df.loc[x, y] df.iloc[i, j] 等几种常见的方式。

[python学习笔记]DataFrame中df['name']、df[['name']]和df.name的区别

狂扁小朋友的学习笔记

08-31

1万+

在DataFrame中： df['name']#得到的是不包含列索引的Series结构 df[['name']]#得到是包含列索引的DataFrame结构 df.name#得到是不包含列索引的Series结构注意事项： df.name cor 1#当列名中包含空格时，这种写法会报错 df.new_column = 50#df.name无法用于原DataFrame中不存在的列，即不能用来新增一列...

python数据分析之pandas数据选取：df[] df.loc[] df.iloc[] df.ix[] df.at[] df.iat[]

热门推荐

刘明的博客

11-03

1万+

1 引言 Pandas是作为Python数据分析著名的工具包，提供了多种数据选取的方法，方便实用。本文主要介绍Pandas的几种数据选取的方法。 Pandas中，数据主要保存为Dataframe和Series是数据结构，这两种数据结构数据选取的方式基本一致，本文主要以Dataframe为例进行介绍。　　在Dataframe中选取数据大抵包括3中情况：　　** 1）行（列）选取（单维度选取）：d...

pandas之Dataframe 菜鸟教程

林中有神君

12-10

1944

import numpy as np import pandas as pd print("=============Dataframe：基本概念及创建=====================") ''' Pandas数据结构Dataframe：基本概念及创建 "二维数组"Dataframe：是一个表格型的数据结构，包含一组有序的列，其列的值类型可以是数值、字符串、布尔值等。 Dataframe中的数据以一个或多个二维块存放，不是列表、字典或一维数组结构。 ''' # Dataframe 数据结构 # D

Python库（2）—— Pandas 数据分析处理库

zyw2002的博客

09-01

1220

Pandas —— 数据分析处理库安装Pandas: pip install pandas import pandas as pd pd.show_versions() # 显示当前版本信息读取数据读数据 pd.read_csv() : 读取csv类型数据 df = pd.read_csv('./data/titanic.csv') df.head(n) : 显示前n条数据 df.head(6) # head()可以读取前几条数据,指定前几条都可以 df.info() : 返回数据的总体信息

panda df(dataFrame) header用法

weixin_40248634的博客

07-16

5291

是否保留列名 header: Whether to write out the column names (default True) 存的时候header ，index 都是bool型变量 dt.to_csv('C:/Users/think/Desktop/Result.csv',header=0) #不保存列名

pandas-profiling

05-27

pandas-profiling是一个基于Python Pandas库的数据探索性分析工具，可以自动生成数据报告和可视化分析结果。pandas-profiling可以自动生成数据集的统计信息、数据类型、缺失值、唯一值、相关性以及各种分布图表。使用pandas-profiling可以快速地了解数据集的特征和问题。 pandas-profiling的安装方法如下： ``` pip install pandas-profiling ``` 使用pandas-profiling可以通过以下方式： ``` import pandas as pd from pandas_profiling import ProfileReport # 读取数据集 df = pd.read_csv('data.csv') # 生成数据报告 profile = ProfileReport(df, title='Pandas Profiling Report') # 输出数据报告为html格式 profile.to_file(output_file='report.html') ``` 在Pandas Profiling Report中，我们可以看到数据集基本信息、数据摘要、变量分布、相关性、缺失值、唯一值、变量间关系、交互式的散点图和热力图等。pandas-profiling还提供了导出Excel、HTML、JSON和Markdown等格式的功能，方便我们将分析结果分享给其他人。总之，pandas-profiling是一个非常方便和实用的数据分析工具，可以帮助我们快速地了解数据集的特征和问题，为后续分析和建模提供依据。