[TOC] ***** pandas對dataframe與series提供了豐富的操作方法 ### 1.3.1. 查看屬性 1. columns 2. index 3. dtypes 4. shape 5. size ``` #查看數據框的列 df.columns #查看數據框的索引 df.index #數據框每一列的數據類型 df.dtypes #數據框有多少行多少列 df.shape #數據框有多少個數據，行*列 df.size #數據框的長度，它有多少行 len(df) ``` ### 1.3.2. 方法使用 1. head 2. tail 3. rename 4. replace 5. unique() 6. value_counts() 7. sort_values 8. describe 9. max/min/sum/mean ``` #重命名列名，"height"是原名字，"Height"是修改后的名字。inplace=True是對原數據集修改，inplace=false是根據原來生成一個新的數據集 df.rename(columns={"height":"Height","weight":"Weight"},inplace=True) ``` ``` #顯示前兩行 df.head(2) #顯示最后四行 df.tail(4) ``` ``` #將player列中Curly Armstrong的數據換位xiao并放回一個新的數據集 df.replace({"Player":{"Curly Armstrong":"xiao"}}) ``` ``` #對值進行排序，默認是升序ascending=True,先按collage再按Height排 df.sort_values(by = ['collage','Height'],ascending=True).head() ``` ``` #s1是數據框的birth_state列，是series s1 = df['birth_state'] #該列中不重復的值的數量有多少個 s1.unique()看唯一值 len(s1.unique()) #結果129個 ``` ``` #該列中每個值的頻數計算 s1.value_counts() ```  ``` #每一列的最小值 df.min() ```  每一列的最大值  ``` axis : {index (0), columns (1)} Axis for the function to be applied on. #axis=0 求每一列的數值和，axis =1 求每一行的數值和 max函數也有axis參數 # df.sum默認是 axis = 0 df.sum(axis=0) ``` **數據選取/添加/刪除** ``` #選擇Player列數據 df['Player'] #選擇兩列數據 df[['Player','Height']] # 不推薦使用這種方式取Player列數據,分不清是自帶屬性還是數據框的一個列名 df.Player ``` ``` # 給增加class列，該列的值都是1 df["class"] = 1 df['class'] df.class ``` ``` #顯示數據框Height列中>=200或<=170的所有值 df[(df['Height'] >= 200) | (df['Height'] <=170)] .head()默認顯示前五行 ``` ``` # 刪除df數據框中的class列 del df['class'] ``` ``` # somethong different import numpy as np a = np.array([[1,2,3,4,5,56],[3,4,5,1,7,3],[29,3,1,6,2,0]]) #np.sum(a,axis = 1) 求每一行數值和 #np.sum(a,axis = 0) 求每一列數值和 # 求所有數據的和，沒有axis=0的默認值 自己寫的時候要清楚是根據什么進行的求值 np.sum(a) ```