1.读取文件和数据属性的基本查看方法
数据类型读取方法csv,tsv,txtpd.read_csv(filepath)excelpd.read_excel(filepath)mysqlpd.read_sql(filepath)
注意，读取mysql时，要先进行sql连接
import pymysql
conn = pymysql.connect(
host="127.0.0.1"
user="root"
password="123456"
database="data_info"
charset="utf8"
)
mysql_info=pd.read_sql("select * from information",con=conn)
其他一些查看表属性的基本操作
improt pandas as pd
filepath="./information.txt"
info = pd.read_csv(filepath,sep=",",header=None,names=["column_A","column_B","column_C"],skiprows=2)
info.head()
info.shape
info.columns
info.index
2.DataFrame和Series
如上图，一整张表就是一个DataFrame,即DataFrame是一个二维数组。PV一整列就称为是一个Series，2019/9/3的一整行数据也称为一个Series，即Series是一个一维数组。
; 一.Series
（1）创建Series
s1 = pd.Series([1, 2, 3, 4])
s2 = pd.Series(np.arange(7))
s3 = pd.Series({'one':1, 'two':2, 'three':3})
（2）Series的常用操作
例如s3是上面的一组Series数据，其中第一列表示索引，第二列是数据值
"""方式二（推荐）"""
s3.loc["java"]
s3.loc["c","python"]
s3.loc[0]
s3.loc["php":"h5"]
二.DataFrame
（1）创建DataFrame
fruits_dict = { 'Fruits':['Apple','Banana','Cherry','Dates','Eggfruit'],
'Quantity': [5, 10, 8, 3, 7],
}
pd.DataFrame(data=[['Apple',5],
['Banana',10],
['Cherry',8],
['Dates',3],
['Eggfruit',7]],
columns = ['Fruits','Quantity'],
index=[1,2,3,4,5])
（2）设置索引
例如s3是上面的一个文件数据，行默认是按照0-4进行索引，若要设置成按照ymd属性的值进行索引，表示如下：
info.set_index("ymd",inplace=True，drop=True)
（3）替换操作
s3.loc[:,"bWendu"] = s3["bWendu"].str.replace("℃","").astype("int32")
s3.loc[:,"yWendu"] = s3["yWendu"].str.replace("℃","").astype("int32")
（3）常用操作
s3.loc["2018-01-03","bWendu"]
s3.loc["2018-01-03",["bWendu","yWendu"]]
s3.loc[["2018-01-03","2018-01-04"],"bWendu"]
s3.loc[["2018-01-03","2018-01-05"],["bWendu","yWendu"]
s3.loc[s3["yWendu"]<10,:]
s3.loc[lambda s3:(s3["bWendu"]30) &&(s3["yWendu"]>=10),: ]
Original: https://blog.csdn.net/weixin_48826751/article/details/123762097
Author: weixin_48826751
Title: Python Pandas读取文件和DataFrame、Series的基本使用
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/753841/
转载文章受原作者版权保护。转载请注明原作者出处！