本文是学习mlcc 《 intro_to_pandas》的所做笔记。
基本概念
Dataframe : 关系型数据表格，包含行和列
Series：列数据
创建数据
创建列数据
city_names = pd.Series(['San Francisco', 'San Jose', 'Sacramento'])
population = pd.Series([852469, 1015785, 485199])
构建表数据
cities = pd.DataFrame({ 'City name': city_names, 'Population': population })
访问数据
从csv加载表
california_housing_dataframe = pd.read_csv("https://storage.googleapis.com/ml_universities/california_housing_train.csv", sep=",")
california_housing_dataframe.describe()
访问前几条
california_housing_dataframe.head(10)
访问列
cities[ 'City name']
访问行
cities[0]
cities[0:2]
cities['City name'][1]
操控数据
基本运算
cities['Population'] / 100
对于列的复杂计算
cities['Population'].apply(lambda val: val > 1000000)
增加数据列
cities['Area square miles'] = pd.Series([46.87, 176.53, 97.92])
cities['Population density'] = cities['Population'] / cities['Area square miles']
按索引排列
cities.reindex([2, 0, 1])