PANDAS 中的Datafram属性

作者 : 慕源网 本文共3436个字,预计阅读时间需要9分钟 发布时间: 2021-10-7 共376人阅读

Datafram属性

在我之前的文章中,我们了解了DataFrame 是什么以及如何创建DataFrame。参考我之前的文章
现在我们将转到“DataFrame 的属性”,这在我们想要获取与特定 DataFrame 相关的信息时非常有用。
我们有 10 个属性,它们的用法如下。
句法
<DataFrameObject>. <attribute_name>
PANDAS 中的Datafram属性
让我们以下面的 DataFrame 为例来了解所有属性,
PANDAS 中的Datafram属性

INDEX

此属性用于获取索引的名称,因为索引可以是 0、1、2、3 等,也可以是一些名称,如在我们的示例中,索引是:English、Maths、Science 和 French。
句法
<DataFrameObject>. <index>
import pandas as pd    
    
dict= {'2018':[85,73,80,64], '2019':[60,80,58,96], '2020':[90,64,74,87] }    
    
df=pd.DataFrame(dict,index=['English','Math','Science','French'])    
print(df.index)  
输出
Index([‘English’, ‘Math’, ‘Science’, ‘French’], dtype=’object’)

COLUMNS

此属性用于获取列的名称,在我们的示例中,它应将列名称指定为:2018,2019, 2020
句法

<DataFrameObject>. <columns>

We use: print (df. columns)

AXES

此属性用于获取索引名和列名。
句法
<DataFrameObject>. <axes>
We use: print (df. axes)
import pandas as pd      
      
dict= {'2018':[85,73,80,64], '2019':[60,80,58,96], '2020':[90,64,74,87] }      
      
df=pd.DataFrame(dict,index=['English','Math','Science','French'])      
print("When we use 'Columns':")    
print(df.columns)    
print("\n")    
print("When we use 'Axes':")    
print(df.axes)  
输出

PANDAS 中的Datafram属性

DTYPES

此属性用于获取 DataFrame 中项目的数据类型值。
句法
<DataFrameObject>. <dtypes>
We use: print (df. dtypes)
import pandas as pd      
      
dict= {'2018':[85,73,80,64], '2019':[60,80,58,96], '2020':[90,64,74,87] }      
      
df=pd.DataFrame(dict,index=['English','Math','Science','French'])      
print(df.dtypes)    
输出
2018 int64
2019 int64
2020 int64
dtype: object

SIZE

该属性用于获取DataFrame的大小,即行数和列数的乘积。
在这里,在我们的示例中,我们有 4 行 3 列,因此 4*3 即 12 是我们的 DataFrame 的大小。
句法
<DataFrameObject>. <size>
We use: print (df. size)

SHAPE

这个属性也给你大小,但它也提到了它的形状,即行数和列数
句法
<DataFrameObject>. <shape>
We use: print (df. shape)

NDIM

此属性用于获取给定 DataFrame 的维度。就像是 1-D、2-D 或 3-D。
我们正在研究二维数据结构。
句法
<DataFrameObject>. <ndim>
We use: print (df. ndim)
import pandas as pd      
      
dict= {'2018':[85,73,80,64], '2019':[60,80,58,96], '2020':[90,64,74,87] }      
      
df=pd.DataFrame(dict,index=['English','Math','Science','French'])      
print("Size of the DataFrame is:",df.size)    
print("Shape of the DataFrame is:",df.shape)    
print("Dimension of the DataFrame is:",df.ndim)  

输出

PANDAS 中的Datafram属性

EMPTY

该属性以true或false的形式为您提供布尔输出,我们可以通过它来查找DataFrame是否为空。
句法
<DataFrameObject>. <empty>
我们还有另一个属性可以检查 NAN 的存在(非数字)。
句法
<DataFrameObject>. <isna()>
import pandas as pd      
import numpy as np      
      
dict= {'2018':[85,73,80,64], '2019':[60,80,58,96], '2020':[90,60,74,87] }      
      
df1=pd.DataFrame(dict,index=['English','Math','Science','French'])      
print("Using 'Empty' on Dataframe1:",df1.empty)    
print('DataFrame is not Empty')      
print('\n')      
print('Finding NaN values... ','\n',df1.isna())      
print('NOT FOUND!!')    
print('\n')    
      
df2=pd.DataFrame(index=['English','Math','Science','French'])      
print("Using 'Empty' on Dataframe2:")    
print(df2.empty,'(DataFrame is Empty)')      
print('\n')      
print('Finding NaN values...',df2.isna())    
print('FOUND!!')   

输出

PANDAS 中的Datafram属性

COUNT

该属性给出了 DataFrame 中项目的计数。默认情况下,它给出行数。
我们可以设置count(0)或者count(1),0是显示行数(默认是这个),1是显示列数。
相反,我们可以使用 axis=’index’ 或 axis=’columns’
句法
<DataFrameObject>. <count ()>
import pandas as pd      
      
dict= {'2018':[85,73,80,64], '2019':[60,80,58,96], '2020':[90,64,74,87] }      
      
df=pd.DataFrame(dict,index=['English','Math','Science','French'])      
print(df)      
print('\n')    
print("When we use 'count()':")    
print(df.count())      
print('\n')    
print("When we use 'count(axis='index')':")    
print(df.count(axis='index'))      
print('\n')    
print("When we use 'count(1)':")    
print(df.count(1))      
print('\n')    
print("When we use 'count(axis='columns')':")    
print(df.count(axis='columns'))   

输出

PANDAS 中的Datafram属性

T

该属性用于转置DataFrame;即,行变成列,列变成行。
句法
<DataFrameObject>. <T>
import pandas as pd      
      
dict= {'2018':[85,73,80,64], '2019':[60,80,58,96], '2020':[90,64,74,87] }      
      
df=pd.DataFrame(dict,index=['English','Math','Science','French'])      
print(df)      
print('\n')      
df1=df.T    
print("After Transpose:")    
print(df1)   

输出

PANDAS 中的Datafram属性

概括

在本文中,我们了解了 10 个数据框属性、它们的用途和实现。展望未来,您将成为 Pandas 的专家。苦练!
在我的下一篇文章中,我们将学习“如何访问 DataFrames 中的数据”。
非常欢迎与本文相关的反馈或查询。
谢谢阅读。

慕源网 » PANDAS 中的Datafram属性

常见问题FAQ

程序仅供学习研究,请勿用于非法用途,不得违反国家法律,否则后果自负,一切法律责任与本站无关。
请仔细阅读以上条款再购买,拍下即代表同意条款并遵守约定,谢谢大家支持理解!

发表评论

开通VIP 享更多特权,建议使用QQ登录