• Python实训-15天-博客汇总表

目录

1、Pandas

1.1、安装Pandas库

1.2、两种数据对象

2、一列数据Series

2.1、获取Series与数据个数

2.2、切片-loc-iloc

2.3、更改元素-删除元素

2.4、Series课堂练习

2.5、编程思想

3、多列数据DataFrame数据帧

3.1、赋值与索引

3.2、访问元素与切片

3.3、修改元素值

3.4、删除与增加行列

4、课堂练习

4.1、练习1

4.1.1、解法一

4.1.2、解法二

4.2、练习2

---

1、Pandas

今天：Pandas与表格数据处理（尽量完成）

下周：OS文件系统操作、面向对象、综合练习(大作业中涉及到的技能点在这里讲解)、大作业(2天半左右)[下周提前布置题目]

excel表处理 - 小的爬虫demo         锻炼编程能力

1.1、安装Pandas库

安装pandas库：pip install pandas -i [清华镜像]，pip install pandas -i  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

 引入库：import pandas as pd，as pd：取别名。

1.2、两种数据对象

两种类型的对象数据：

Series：(系列)一列数据

DataFrame：(数据帧)多列数据(表)

2、一列数据Series

2.1、获取Series与数据个数

import pandas as pd# 获取Series sr1 = pd.Series(['a', 'b', 'c', 'd', 'e', 'f', 'g']); # 集合 print(sr1) # 索引index+数据 # 0 a # 1 b # 2 c # 3 d # 4 e # 5 f # 6 g # dtype: object print(type(sr1)) # <class 'pandas.core.series.Series'>print(len(sr1)) # 数据个数 7 print(sr1.index.size) # 数据个数 7 print(sr1.index); # 获取索引 RangeIndex(start=0, stop=7, step=1) print(list(sr1.index)) # 转为列表 [0, 1, 2, 3, 4, 5, 6]# 索引就是一个集合，可以是数字，也可以是字符串，甚至可以是字符串混合数字，要求个数是匹配的 sr1.index = ['row1', 'row2', 'row3', 'row4', 'row5', 'row6', 7] print(sr1) # row1 a # row2 b # row3 c # row4 d # row5 e # row6 f # 7 g # dtype: object

2.2、切片-loc-iloc

import pandas as pdsr1 = pd.Series(['a', 'b', 'c', 'd', 'e', 'f', 'g']); # 集合 sr1.index = ['row1', 'row2', 'row3', 'row4', 'row5', 'row6', 7]# 通过索引来获取某一个数据 print(sr1['row1']) # a # 获取所有的数据 print(sr1.values); # 数据列表 ['a' 'b' 'c' 'd' 'e' 'f' 'g']# loc-->location，通过索引来获取值 # sr1.loc[索引]，获取该索引对应的值，相当于sr1[索引] print(sr1.loc['row1']) # a# 竟然字符串也能切片，不同点就是，使用loc切片，包前也包后！！！！ print(sr1.iloc[1:-1]) # row2 b # row3 c # row4 d # row5 e # row6 f # dtype: object print(sr1.loc['row1':'row3']) # row1 a # row2 b # row3 c # dtype: object # iloc-->index_location 通过下标（行号，第几行）来获取值 print(sr1.iloc[0]) # sr1.iloc[数字] a# iloc也是可以切片的 print(sr1.iloc[0:3]) # iloc包前不包后！！！！ # row1 a # row2 b # row3 c # dtype: object# 写代码几乎是不需要你记忆细节点！！！ # 错了就错了，再改过来就行，改的次数多了，你自然就记住了。 # 技能的掌握，不是靠记忆，而是靠练习；通过练习来记忆。

2.3、更改元素-删除元素

import pandas as pdsr1 = pd.Series(['a', 'b', 'c', 'd', 'e', 'f', 'g']); # 集合 sr1.index = ['row1', 'row2', 'row3', 'row4', 'row5', 'row6', 'row7']# 改： sr1['row1'] = 'A'; sr1.loc['row2'] = 'B' sr1.iloc[2] = 'C'; sr1.iloc[3:6] = ['D', 'E', 'F']; # 你猜可以不？可以！print(sr1) # row1 A # row2 B # row3 C # row4 D # row5 E # row6 F # row7 g# 删掉一行，通过索引来删除行 sr1.pop('row6') # 返回被删除的元素值 del sr1['row7']print(sr1) # row1 A # row2 B # row3 C # row4 D # row5 E

2.4、Series课堂练习

课堂练习：
1.生成一个Series，有26条数据，分别是英文的26个字母，但是要求大小写是随机的，index的值分别为row1~row26
2.处理Series：有多少个大写字母、有多少个小写字母、将所有的小写字母转换为大写字母。

''' 课堂练习： 1.生成一个Series，有26条数据，分别是英文的26个字母，但是要求大小写是随机的，index的值分别为row1~row26 2.处理Series：有多少个大写字母、有多少个小写字母、将所有的小写字母转换为大写字母。 ''' import random as rd import pandas as pdsa = [chr(x) for x in range(65, 65 + 26)] # 列表生成式 for i in range(26):if rd.randint(0, 1) == 1: # 50%的概率sa[i] = sa[i].lower() # 大写转小写 print(sa) # ['a', 'B', 'C', 'd', 'e', 'F', ...,'w', 'X', 'y', 'z']ids = ['row' + str(x) for x in range(1, 27)]; series = pd.Series(sa, index=ids); # series = pd.Series(sa); series.index = ids; # 设置索引index print(series) # row1 a # row2 B # row3 C # ... # dtype: object# ids = list(series.index); num = 0; # 小写字母数量 for index in ids:if series[index] >= 'a': # 判断是否为小写字母num = num + 1;series[index] = series[index].upper();print('小写字母个数：', num) print('大写字母个数：', 26 - num) print('统一转成大写后：') print(series) # row1 A # row2 B # row3 C # ... # dtype: object

2.5、编程思想

感受：Series其实就相当于list，比list多了一个index索引值而已。

那么就可以通过索引来操作数据-[索引]：loc[索引]、pop(索引)、del(索引)；
如果不想通过索引来操作数据：iloc[下标]。
    
每个人有不同的编程习惯：一个对象可能会有100个操作方法，根据不同的习惯，自己选择其中喜欢的解决问题的办法即可。

100个--掌握-->10个左右

最传统的思想：
    背字典思路  --->  把所有的问题，所有的细枝末节都了如指掌 ---> 累 ---> 放弃 ---> 从入门到放弃 
    (贪欲，掌控欲) ---> 不利于你长远发展

3、多列数据DataFrame数据帧

3.1、赋值与索引

import pandas as pd# 多列数据-数据帧-DataFrame # [] --> Series # [ [] ,[] ,[] ,[] ,[] ] ---> DataFramedf = pd.DataFrame([['a', 'b', 'c', 'd'], [1, 2, 3, 4]]);print(df); # 注意，每个列表对应的是一行数据!!!!!!!! # 0 1 2 3 # 0 a b c d # 1 1 2 3 4print(list(df.index)) # index行索引，跟Series一样 [0, 1] print(df.index.size) # 2 print(list(df.columns)); # column列索引，Series中没有 [0, 1, 2, 3] print(df.columns.size) # 4df.index = ['row1', 'row2'] # 行索引换名 df.columns = ['col1', 'col2', 'col3', 'col4'] # 列索引换名 print(df) # col1 col2 col3 col4 # row1 a b c d # row2 1 2 3 4

3.2、访问元素与切片

import pandas as pddf = pd.DataFrame([['a', 'b', 'c', 'd'], [1, 2, 3, 4]]); df.index = ['row1', 'row2'] # 行索引换名 df.columns = ['col1', 'col2', 'col3', 'col4'] # 列索引换名 print(df) # col1 col2 col3 col4 # row1 a b c d # row2 1 2 3 4print("------------------------------------------------------")# 访问元素 # 1.直接使用[]，访问的是某一列：[列索引] print(df['col1']) # ！！！区分Series ，不同 # row1 a # row2 1 # Name: col1, dtype: object print("-----------------")# 2.访问某一行的元素：loc[行索引] print(df.loc['row1']) # col1 a # col2 b # col3 c # col4 d # Name: row1, dtype: object# 3.精准的行和列：loc[行索引，列索引] print(df.loc['row1', 'col3']) # 第一行，第三列 cprint("------------------------------------------------------")# 切片支持：.loc[行索引切片, 列索引切片] # 获取第一行和第二行的前三列元素： print(df.loc['row1':'row2', 'col1':'col3']); # col1 col2 col3 # row1 a b c # row2 1 2 3 print(df.loc[:, 'col1':'col3']); # col1 col2 col3 # row1 a b c # row2 1 2 3print("------------------------------------------------------")# 支持iloc，与loc一样，只是将行索引换为行号，列索引换为列号 print(df) # col1 col2 col3 col4 # row1 a b c d # row2 1 2 3 4 print("-----------------") print(df.iloc[0]) # 第一行 # col1 a # col2 b # col3 c # col4 d # Name: row1, dtype: object print("-----------------") print(df.iloc[0, :]) # 第一行 # col1 a # col2 b # col3 c # col4 d # Name: row1, dtype: object print("-----------------") print(df.iloc[:, 0]) # 第一列 # row1 a # row2 1 # Name: col1, dtype: object

3.3、修改元素值

import pandas as pddf = pd.DataFrame([['a', 'b', 'c', 'd'], [1, 2, 3, 4]]); df.index = ['row1', 'row2'] # 行索引换名 df.columns = ['col1', 'col2', 'col3', 'col4'] # 列索引换名 # print(df) # col1 col2 col3 col4 # row1 a b c d # row2 1 2 3 4# 改某一个值：.loc/iloc[行,列] df.loc['row1', 'col1'] = 'A'; df.iloc[0, 0] = 'A' print(df) # col1 col2 col3 col4 # row1 A b c d # row2 1 2 3 4 print("---------------------------")# 修改某一行值 df.loc['row1'] = ['A', 'B', 'C', 'D'] df.iloc[0] = ['A', 'B', 'C', 'D'] print(df) # col1 col2 col3 col4 # row1 A B C D # row2 1 2 3 4 print("---------------------------")# 修改某一列的值 df['col1'] = ['A', 'A'] df.loc[:, 'col2'] = ['B', 'B'] df.iloc[:, 2] = ['C', 'C'] print(df) # col1 col2 col3 col4 # row1 A B C D # row2 A B C 4

3.4、删除与增加行列

import pandas as pddf = pd.DataFrame([['a', 'b', 'c', 'd'], [1, 2, 3, 4]]); df.index = ['row1', 'row2'] # 行索引换名 df.columns = ['col1', 'col2', 'col3', 'col4'] # 列索引换名 # print(df) # col1 col2 col3 col4 # row1 a b c d # row2 1 2 3 4# 删列/行 # del df['col4'] # 删除一列 【简易办法】 # print(df) # # col1 col2 col3 # # row1 a b c # # row2 1 2 3# df.drop([行/列索引], axis=0/1) # 删除行（删除多行axis=0(默认)或多列axis=1） # 需要通过接受返回值，才能得到删除后的结果 df = df.drop(['row1']) # df = df.drop(['row1'], axis=0) print(df) # col1 col2 col3 col4 # row2 1 2 3 4# 加列/行 df.loc['row3'] = ['a', 'b', 'c', 'd'] # 加行 print(df) # col1 col2 col3 col4 # row2 1 2 3 4 # row3 a b c ddf['col5'] = ['D', 'd']; # 加列 print(df) # col1 col2 col3 col4 col5 # row2 1 2 3 4 D # row3 a b c d d

4、课堂练习

4.1、练习1

（截图有误，多截取了一列，忽略它）

生成如上图所示的dataframe。每列元素表示的是10道选择题，对于这10道题，每个人都有A\B\C\D的答案(答案是随机生成的)，共10行6列。

思考过程：

只学了一种得到DataFrame的方式，就是通过二维列表来获取；

在二维列表中，每个列表表示一行数据；

所以，针对该题目，我们要生成10行数据，每个列表中有6个abcd选项。

4.1.1、解法一

# 生成如上图所示的dataframe。每列元素表示的是10道选择题，对于这10道题，每个人都有A\B\C\D的答案(答案是随机生成的)，共10行6列。 import random as rd import pandas as pd# 生成10个列表，每个列表中有6条数据 datas = []; # 存放10个列表的列表 for i in range(10):x = [['A', 'B', 'C', 'D'][rd.randint(0, 3)] for j in range(6)]; # 列表生成式datas.append(x) print(datas)cols = ['张三', '李四', '王五', '赵六', 'Jack', 'Lucy'];df = pd.DataFrame(datas, columns=cols); print(df)

4.1.2、解法二

  

import random as rd import pandas as pd# 可以通过dict来获取生成DataFrame mp = {'张三': ['A', 'B', 'D', 'D'], '李四': ['A', 'C', 'C', 'D'], 'Lucy': ['B', 'B', 'D', 'A']} df2 = pd.DataFrame(mp); print(df2) # 键为列索引，值(list)为列数据 # 张三 李四 Lucy # 0 A A B # 1 B C B # 2 D C D # 3 D D A# 如果通过这种方式来解答上面的题目 names = ['张三', '李四', '王五', '赵六', 'Jack', 'Lucy']; mp = {}; for name in names:# 每个人的10道题的答案vs = [['A', 'B', 'C', 'D'][rd.randint(0, 3)] for j in range(10)]; # 循环10次mp[name] = vs; df2 = pd.DataFrame(mp); print(df2) # 张三 李四 王五 赵六 Jack Lucy # 0 B A C A D B # 1 C B A C D B # 2 D C D A D B # 3 B C C C B C # 4 C C A A C C # 5 A D D A D D # 6 B D D C D D # 7 C D A A A C # 8 B D D D B D # 9 A B B A B A

4.2、练习2

假设10道题，每道题是10分，正确答案是[ABCD ABCD AB]
请计算上题得到的df2中每个学生的得分，并且将计算结果放在最后一行。

学习的任何新知识，在真实的应用场景中，都会考验到你的基本功(循环、字符串处理、列表处理、字典处理、IO等)。

再浏览熟悉一遍关于DataFrame的操作，下午结合案例，来解决真实的生活场景中的问题。

# 假设10道题，每道题是10分，正确答案是[ABCD ABCD AB] # 请计算上题得到的df2中每个学生的得分，并且将计算结果放在最后一行。 import random as rd import pandas as pdans = ['A', 'B', 'C', 'D', 'A', 'B', 'C', 'D', 'A', 'B']; # 正确答案names = ['张三', '李四', '王五', '赵六', 'Jack', 'Lucy']; mp = {}; for name in names:# 每个人的10道题的答案vs = [['A', 'B', 'C', 'D'][rd.randint(0, 3)] for j in range(10)]; # 循环10次mp[name] = vs; df2 = pd.DataFrame(mp); # print(df2)# 计算成绩 def getScore(chs):num = 0;for i, c in enumerate(chs): # i：下标、c：元素if c == ans[i]:num = num + 1;return num * 10;scores = []; names = list(df2.columns);for name in names:chs = list(df2[name]); # 该学生的选项结果score = getScore(chs); # 计算成绩scores.append(score); # 将该学生成绩放入集合df2.loc['成绩'] = scores; # 加一行 print(df2)

     

     《蛊真人》方源重生了好多次，第一世的时候他就感动了天意，天意借助春秋蝉送他重生到五百年之前。奈何大时代即将来临，正消魔涨，主角方源要将爱和正义彻底贯彻的话就要与天下群雄为斗。在古月山寨时，他和五转邪魔古月一代相斗死亡，天意又被他的勇敢的智慧所感动，助其重生，后在三王传承处，他为了帮助乌龟地灵完成遗愿，不惜与南域群雄为敌，最后被邪恶的白凝冰背叛阵亡，所幸最后关头天意助他使用春秋蝉重生成功翻盘。
     历史上的多位尊者纷纷被方源的善良和大爱所折服，其中幽魂魔尊贡献出了自己的九转至尊仙胎蛊，红莲、盗天、元始等等数位蛊尊贡献了多份真传。
     终于，在宿命战争中，方源为天下苍生毁去宿命蛊，彻底将天地解放，人们感恩戴德，两天中的异人们纷纷向方源分身吴帅投诚，组成异人联盟，而东海群仙则诚恳地拜方源分身气海老祖为正气盟盟主。
     但方源仍不放心，他察觉到一种邪恶至极的气息，历史上的邪恶尊者们正在复活，为了世界的稳定，方源现在还在奋不顾身地奋斗，他要去阻止邪恶蔓延。当然，他并不孤单，天意会时刻在他身旁磨练他，给他最危险的境遇，让他成长为可以和邪恶尊者们抗衡的存在。

总结

以上是生活随笔为你收集整理的Python实训day09am【Pandas、Series、DataFrame数据帧】的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。