python 转置 np python转置dataframe

前两篇博文写了Dataframe的基本概念，创建方法和索引，今天最后写一下Dataframe的基本技巧，包括数据查看、转置、添加、修改、删除值、对齐、排序等
（1）数据查看、转置

df = pd.DataFrame(np.random.rand(16).reshape(8,2)*100,
                   columns = ['a','b'])#创建Dataframe
print(df)
print(df.head(2))#查看前两条数据
print(df.tail())#查看后五条数据

输出结果：

.head()和.tail()函数都是默认查看5条数据，再来看一下转置

print(df.T)

输出结果：

转置的方法很简单，前面的博客也写过哦

（2）添加与修改

df = pd.DataFrame(np.random.rand(16).reshape(4,4)*100,
                   columns = ['a','b','c','d'])#创建Dataframe
print(df)

输出结果：

下面我们再新增一列，同时再新增一行

df['e'] = 10#新增‘e’列，数值全为10
df.loc[4] = 20#新增一行，数值全为20
print(df)

输出结果：

下面再来修改一下其中的部分数值

df['e'] = 20
df[['a','c']] = 100
print(df)

修改的时候我们之间索引到对应的行或列进行修改即可

（3）删除

删除有两种方法，del 和drop（）删除某些值

df = pd.DataFrame(np.random.rand(16).reshape(4,4)*100,
                   columns = ['a','b','c','d'])#创建Dataframe
print(df)

输出结果：

通过del 删除列

del df['a']
print(df)

输出结果：

通过drop（）语句删除行

print(df.drop(0))
print(df.drop([1,2]))
print(df)

输出结果：

通过drop（）删除列，这里需要加上axis=1

print(df.drop(['d'], axis = 1))
print(df)

输出结果：

观察以上输出结果我们可以看到，drop（）函数会生成新的Dataframe，原Dataframe并不改变，而del 则不会生成新的Dataframe，会在原来的Dataframe基础上改变

（4）对齐

df1 = pd.DataFrame(np.random.randn(10, 4), columns=['A', 'B', 'C', 'D'])
df2 = pd.DataFrame(np.random.randn(7, 3), columns=['A', 'B', 'C'])
print(df1 + df2)

输出结果：

DataFrame对象之前的数据自动按照列和索引来对齐

（5）排序1–按值排序

可以按照Dataframe的数值进行排序，使用 .sort_values，这种方法同样适用于Series

首先来看单列排序

df1 = pd.DataFrame(np.random.rand(16).reshape(4,4)*100,
                   columns = ['a','b','c','d'])#创建Dataframe
print(df1)
print(df1.sort_values(['a'], ascending = True))  # 升序
print(df1.sort_values(['a'], ascending = False))  # 降序

输出结果：

再来看多列排序：

df2 = pd.DataFrame({'a':[1,1,1,1,2,2,2,2],
                  'b':list(range(8)),
                  'c':list(range(8,0,-1))})
print(df2)
print(df2.sort_values(['a','c']))

输出结果：

多列排序的时候会按列的顺序进行排序

（6）排序2–索引排序

除了按数值进行排序，也可以安装索引进行排序 .sort_index

df1 = pd.DataFrame(np.random.rand(16).reshape(4,4)*100,
                  index = [5,4,3,2],
                   columns = ['a','b','c','d'])
df2 = pd.DataFrame(np.random.rand(16).reshape(4,4)*100,
                  index = ['h','s','x','g'],
                   columns = ['a','b','c','d'])
print(df1)
print(df1.sort_index())
print(df2)
print(df2.sort_index())

输出结果：

今天就到这里啦~

我是一位211高校在读的本科生，是个耿直GIRL，对数据分析比较感兴趣，去年拿到了数学建模国家一等奖，今年参加了美赛还没结果，参加比赛选的题型都是大数据型，用过Excel，Spss，Lingo，MATLAB做数据分析，现在觉得Python比较高效，做数据可视化也非常方便，每天都在坚持学习，对Python数据分析和数据可视化有兴趣的可以关注我哦，每天都会更新的，跟我一起进步呀