あなたが学び、ドラッグ&ファイナルに直接ドロップしたくない場合は、長いったらしいブロガーとして、または、Dianshaを言って、彼は卵、その後、3秒を見つけました
私は、そこに小さな目標は、ある記事のような技術を置くことで、興味深い書くのですか
それをプログラミング、最も難しいとは何でしょうか?
私は、エントリに投票しました
実際には、ドアにプログラムされた人が最も難しいです
そして、夢の消しゴムの首長、これを行うには
(本当に、幸せなことは分かりやすく、深遠な記事を書くことですが、また、そのような言い訳を見つけるのは難しい、首長、疲れた心をふり)
私は記事のパンダのシリーズを渡したいです
これは、単純なモジュールを学ぶことができます
その後も道は楽しいものを書くために
美哉~
各記事は、あなたがスムーズに絹のようなそれを読んでみましょう
先に行くと、パンダ、シリーズの機能
パートのブログ、私たちはDiudiuの一連の機能のほとんど理解を行きます
十分な
この、続けていきましょう
ハート瞑想
パンダは、データを処理して、処理は、桁数であります
OK、これにGETはるかに優れていました
その後、私はうまく作ら
import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s)
私は基本的なシリーズを作成し、それがに対処しなければなりません
以下のための線形データの場合
私たちは多くのことを行うことができます
例えば、私は最大値と最小値を取得したいです
import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s.min())
print(s.max())
この文言は単純すぎる、それは我々が何かを学ぶ表示されません。
我々はいくつかの新鮮な(より複雑な例を実際に公式サイト)を取得します
のレベルでインデックスを作成するために、シリーズを与えます
インデックスのレベルで、あなたは何を意味するのですか?
実際には、Excelは、細胞内合併
のコードを見て
idx = pd.MultiIndex.from_arrays([
['warm', 'warm', 'cold', 'cold'],
['dog', 'falcon', 'fish', 'spider']]
,names=['blooded', 'animal'])
s = pd.Series([4, 2, 0, 8], name='legs', index=idx)
print(s)
どのように多くの足についてのテーブルの上に、冷血および温血動物
このような長いテキスト出力のまあ、長い作品
シュシュの内側に秀でる入れ、それは問題ではない、理解していません
大きな音はどのような、行の小型版、明快
テーブルの上に
先に現在のインデックスのままで
後ろの行の実データ
オペレータその後、いくつかの
idx = pd.MultiIndex.from_arrays([
['warm', 'warm','warm', 'cold', 'cold'],
['dog', 'falcon','people', 'fish', 'spider']]
,names=['blooded', 'animal'])
s = pd.Series([4, 2,2, 0, 8], name='legs', index=idx)
print(s)
print(s.min())
print(s.max(level='blooded'))
後者はああ〜複数のインデックスのレベルを制御することです
結果を参照してください、あなたは数秒でそれを理解することができますか?
s = pd.Series([4, 2,2, 0, 8], name='legs', index=idx)
print(s)
print(s.min()) # 输出0
print(s.max(level='blooded')) # 输出 下面的表格
はい、私は次の表しています
それを学び、学んだ、最小値、最大値、合計、idxminは、あなたがidxmaxになります
何何IDXですか?上記のコードを見てみましょう
...インデックスされ...
しかし、また、長いったらしいプロパティ
シリーズでは、プロパティはまた、非常に、非常に重要な、使用することが重要後、効果を欠いたのか?
このプロパティはTで
あり、大文字のT
シリーズのハッハッハ、実際には、この属性、基本的な無駄
使用後、またはそれ自体に等しいです
s = pd.Series([3,1,4],index=['a','b','c'])
print(s)
print(s.T)
機能を見て続行
放浪、そしてどのようにプロパティを見たいです
ああ機能を見て続行
リニア厄介なデータは、私たちのために、
また、ああ並べ替えることができます
import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
あなたが推測としてソートするので、あなたが推測することができます(実際には、ほとんどの人は単に推測することができませんでした、先生はあなたが推測することができると思います)
Aは、ソートインデックスに基づいて、値が発注されます
import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s.sort_values())
print(s.sort_index())
パラメータのいくつかの並べ替え、頻繁にすることができます
Series.sort_values(axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')
- シリーズのためにソートされた基準軸が、それだけで0に設定することができ軸
- 降順、昇順または真陽性の昇順
- インプレースデフォルトはfalse、その場での修正では、真として改正?ねえ、私はあなたに栗をあげるしばらくの間、それを理解していません
- 種類の方法クイックソート、マージソート、ヒープソートをソート
- na_position NULL値、またはフロントポストで、この、あなたが知っているしてみてください
所定の位置に
次のコードを見て、その場を置き換えます
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
sorted_s = s.sort_values(inplace=True)
print(sorted_s)
この時、プリントアウトはNoneですが、あなたはSを印刷することができ、テキストは、注文後に表示されます
私は理解していませんでしたか?
Sは、一種の直接変数であります
それを整理した後、我々はシリーズの一部を取得しようとすべきです
いくつかの頭を取得
ヘッドヘッドヘッド
いくつかの最後で取得
尾、尾
import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s.head(2))
print(s.tail(2))
データ取得部は、その後、確かにあなたは、データを自分で削除することができますすることができます
(私は躊躇なく言います)
Series.drop
import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s.drop(labels=[0,1]))
シリーズでは、あるパラメータが必須ですラベル
なぜ?他には、単にサポートしていませんので、
新バージョンでは、インデックスラベルに置き換えることができます
まあ、彼らはそれの新しい知識を学びます
過言ではない、ほんの数
デイリーああ、それの少しを学びます
Dianshaは明日書き、それがデータフレームかもしれ
最後に、公衆にしつこいプログラミングエンジニア、学部非プログラマの数を注意を歓迎
あなたの携帯電話を取り出し、これを取ります