Python数据分析实战之技巧总结 | 您所在的位置:网站首页 › df空调 › Python数据分析实战之技巧总结 |
# 查df5=df1.copy()df5.index # RangeIndexdf5.columns # Indexdf5.values # ndarray # 元素查找df5_1= df5.loc[0,'建筑名称'] # 数据是什么类型,xx就是什么类型# df5_1 = df5.loc[[0],['建筑名称']] # DataFrame类型# # 行查找 # df5_2 =df5.loc[0:2] # DataFrame类型012共3行# df5_2=df5.iloc[0:2] # DataFrame类型 01共1行df5_2= df5[0:3] # DataFrame类型 前三行 # 列查找df5_3= df5.loc[:, '建筑编码'] # Series 列查找df5_3 = df5.loc[:, ['建筑编码', '建筑名称']] # DataFrame类型 多列查找df5_3 =df5.iloc[:, 0:2] # DataFrame类型 01列 df5_4= df5['建筑名称'] # Series类型 df5_4= df5.建筑名称 # Series类型 同上 df5_5 = df5[['建筑编码1', '建筑名称']] # DataFrame类型 按照新列序 df5_6= df5.filter(regex = '建筑编码1|建筑名称') # DataFrame类型 按照原列序 df5_7=df5[df5.电耗量 > 80]# 选择df5.电耗量中>80的行 # df5[df5.建筑名称.isin(['B', 'C'])] #DataFrame 条件查找 # df5[['建筑编码1', '建筑名称']][0:3] # DataFrame类型 # # 块查找 df5_8= df5.iloc[0:2, 0:2] # DataFrame类型 #条件查找# # 条件查找 df5_9=df5.动力用电.notnull() # Series类型 true与false的一列 # df5_9 df5['动力用电'].notnull() # Series 同上 df5_10= df5[df5.动力用电.notnull()] # DataFrame类型 按照year非空选择之后的结果 df5_11= df5[df5.动力用电.notnull()].values # ndarray类型 df5_12= df5[df5.建筑名称== "D"][df5.月份 == '1月'] # DataFrame #pandas库中使用.where()函数# df5_13=df5.where((df5.月份=="1月")&(df5.动力用电>5)).dropna(axis=0)# 或pandas库中的query()函数df=df[df.建筑名称=="D"].query(("电耗量>60"))#使用Numpy的内置where()函数,np.where(condition, value if condition is true, value if condition is false)df['是否>30'] = np.where(df['照明用电']> 30, True, False)# 再将样本筛选出df= df[df['照明用电'] == True] |
CopyRight 2018-2019 实验室设备网 版权所有 |