Dataframe物件取值與賦值

data=np.around(np.random.randn(3,

4),decimals=2)
data = pd.dataframe(data,columns=
('a'
,'b'
,'c'
,'d'))
print
(type
(data[
'a']
))

<

class
'pandas.core.series.series'
>

data_a = data[

'a']
# 型別為序列,屬性有index 和值
print
(data_a)
print
(data_a[0]
)# 直接為值，展示值的具體型別
print
(type
(data_a[0]
))

0

1.76
11.15
20.23
name: a, dtype: float64
1.76
<
class
'numpy.float64'
>

另外當 .loc 取值具體到某乙個點位時，其所取也為值！

在python 做資料處理的過程中，我們也經常需要對dataframe 框架中的某些列進行直接賦值，我們常見的賦值語句：

#  情形一 ： 直接賦值,賦予行列相同的numpy 陣列，成功

data[
['a'
,'b']]
= np.array([1
,2,3
,4,5
,6])
.reshape(3,
2)# 情形二 ： 賦值，賦予index相同的數值，成功
data_rep = pd.dataframe(np.array([1
,2,3
,4,5
,6])
.reshape(3,
2),index =[0
,1,2
])data[
['a'
,'b']]
= data_rep
# 情形三 ： 賦值,賦予index不同的數值，失敗！
data_rep = pd.dataframe(np.array([1
,2,3
,4,5
,6])
.reshape(3,
2),index =[0
,7,8
])data[
['a'
,'b']]
= data_rep
# 情形四 ： 賦值，如果是空的dataframe 賦予dataframe ,成功!
data = pd.dataframe(columns=
('a'
,'b'
,'c'
,'d'))
# 情形五 ： 賦值，如果是空的dataframe 賦予numpy陣列,失敗!
data[
['a'
,'b']]
= np.array([1
,2,3
,4,5
,6])
.reshape(3,
2)# 情形六 ： 賦值，如果是空的dataframe 必須要賦予陣列，則可以這樣賦予！
data[
'a']
,data[
'b']
= np.array([1
,2,3
]),np.array([4
,5,6
])

賦值的時候，也可以使用.loc進行賦值。如果賦予單個值，不需要注意該索引是否存在。 但是當索引以列表形式賦予的時候，則該索引必須是存在的！

# 成功！

data.loc[4,
'a']=1
# 失敗！
data.loc[[5
,6,7
],'a']
=1

python合併dataframe物件

每次分析資料過程中，總是會遇到各種問題，一時間想不起來。都說事不過三，這事出了不少次數了，這裡還是記下來，但是可能不那麼全，記下來也僅僅為了以後本人自己需要。這裡宣告如下三個dataframe b np.random.random 3,2 a pd.dataframe b,columns a1 a2...

jquery關於select框的取值和賦值

jquery select id change function 1.為select新增事件，當選擇其中一項時觸發 var checkvalue jquery select id val 2.獲取select選中項的value var checktext jquery select id selec...

DataFrame概念與建立

一 概念 pandas是乙個開源的python資料分析庫。pandas把結構化資料分為了三類 series，1維序列，可視作為沒有column名的 只有乙個column的dataframe dataframe，同spark sql中的dataframe一樣，其概念來自於r語言，為多column並sc...