介绍 import numpy as np
import pandas as pd
#,todo 将自定义的函数作用到dataframe的行和列,或者本系列的行上
时间=ser1 pd.Series (np.random.randint(-10、10、5),指数=列表(& # 39;中的# 39;))
时间=df1 pd.DataFrame (np.random.randint(-10年10(4、5),指数=列表(& # 39;ACBD& # 39;),列=列表(& # 39;中的# 39;))
#,todo 定义一个函数,求其和,绝对值,最大值减最小值的差值,平方
def func (x):
,#打印(x)
,打印(& # 39;- - - - - - - - - - - - - - - - & # 39;)
,num=np.max (x) -np.min (x)=,a abs (x)
,b=x * * 2
,# return num
,# return
return b
打印(ser1.apply(函数)
def func1 (x):
,#打印(x)
,打印(& # 39;- - - - - - - - - - - - - - - - & # 39;)
,# num=, np.max (x) -np.min (x)=,a abs (x)
,b=x * * 2
,# return num
,# return
return b
打印(df1.apply (func1 axis =, 1))
#,todo 使用匿名函数实现——求其和,绝对值,最大值减最小值的差值,
打印(df1.apply (lambda x: x * * 2,轴=1))
打印(& # 39;- - - - - - & # 39;)
打印(df1.apply (lambda x: np.max (x) -np.min (x)=1)轴)
打印(& # 39;- - - - - - - - - - - - - - - - # 39;)
打印(df1.apply (lambda x: abs (x)=1)轴)
#,applymap的使用
#,todo 使用applymap 因为applymap作用在每个元素上,所以不需要指定轴
print (df1.applymap (lambda x: x * * 2))
打印(& # 39;- - - - - - - - - - - - - - - - # 39;)
打印(df1.applymap (lambda x: abs (x))) import numpy as np
import pandas as pd
时间=ser1 pd.Series (np.random.randint(-10、10、10),指数=列表(& # 39;acbdfeghji& # 39;))
时间=df1 pd.DataFrame (np.random.randint(-10年10(4、5),指数=列表(& # 39;ADBC& # 39;),列=列表(& # 39;中的# 39;))
打印(ser1)
打印(df1)
打印(& # 39;- - - - - - - - - - - - - - - - - - & # 39;)
#,todo 按照索引排序,sort_index ()
#,print (ser1.sort_index()) #默认升序
#,print (ser1.sort_index(升序=False) #指定提升为降序
#,print (df1.sort_index()) #默认行升序
#,print (df1.sort_index(升序=False) #行降序
#,print (df1.sort_index(轴=1)#列升序
#,print (df1.sort_index(=1升=False,轴))#列降序
#,todo 按照值排序
print (ser1.sort_values()) #默认升序
打印(ser1.sort_values(提升=False) #指定提升为降序
#,dataframe 对象比较复杂,需要按照哪一列来进行排序
打印(df1.sort_values(=& # 39;一个# 39;))#默认列升序
打印(df1.sort_values(=& # 39;一个# 39;,提升=False)) #列降序
打印(df1.sort_values(=& # 39;一个# 39;,轴=1))#行升序
打印(df1.sort_values(=& # 39;一个# 39;,提升=False,轴=1))#行降序 import numpy as np
import pandas as pd
ser1 =, pd.Series (np.random.randint(-10、10、10),指数=[列表(& # 39;aabbccddee& # 39;), (1、2、1、2、1、2、1、2、1, 2]])
时间=df1 pd.DataFrame (np.random.randint(-10年10(4、5),指数=列表(& # 39;aabb& # 39;),列=列表(& # 39;中的# 39;))
打印(ser1)
打印(df1)
打印(& # 39;- - - - - - - - - - - - - - - - - - - - - - - - - - - - - # 39;)
#,todo 外层索引取的值
打印(ser1[& # 39;一个# 39;])#获取单个外层索引
打印(ser1[& # 39;一个# 39;:& # 39;e # 39;]) #获取多个外层
#,todo 内层索引取的值
打印(ser1 [: 1)
#,todo 指定外层,内层索引取的值
打印(ser1[& # 39;一个# 39;,1])
#,todo 交换分层——-swaplevel ()
print (ser1.swaplevel ())
#,todo 将Sterise转为dataframe对象外层索引作为行索引,内层索引作为列索引
print (ser1.unstack ())
#,todo 将dataframe转为Sterise对象行索引作为外层索引行索引,列索引作为内层索引列
print (df1.stack ())
#,todo dataframe 转字典
print (df1.to_dict ())
#,todo dataframe 转csv文件
print (df1.to_csv ()) import numpy as np
import pandas as pd
时间=df1 pd.DataFrame (
,{& # 39;key1& # 39;:列表(& # 39;abcdefgh& # 39;), & # 39; data1 # 39;: np.random.randint (5 10 8)}
)
时间=df2 pd.DataFrame (
,{& # 39;key2& # 39;:列表(& # 39;defgh& # 39;), & # 39; data2 # 39;: np.random.randint (5、10、5)}
)
打印(df1)
打印(df2)
打印(& # 39;- - - - - - - - - - - - - - - - - - - - - - - - - - - - & # 39;)
#,todo 链接
#,打印(pd.merge (df1, df2=& # 39;关键# 39;))#,键相同时,通过关键连接df1, df2
#,print (pd.merge (df2 df1)) #不指定,连接df1, df2默认通过相同的列来连接
#,print (pd.merge (df1, df2=data1) # data1相同时,通过data1连接df1, df2
# todo 交集
print (pd.merge (df1 df2 left_on=& # 39; key1& # 39;, right_on=& # 39; key2& # 39;))
# todo 并集
print (pd.merge (df1, df2=& # 39;外# 39;,left_on=& # 39; key1& # 39;, right_on=& # 39; key2& # 39;))
# todo 左连接
print (pd.merge (df1, df2=& # 39;左# 39;,left_on=& # 39; key1& # 39;, right_on=& # 39; key2& # 39;))
# todo 右连接
print (pd.merge (df1, df2=& # 39;对# 39;,left_on=& # 39; key1& # 39;, right_on=& # 39; key2& # 39;))
#,todo 通过行索引来指定
print (pd.merge (df1 df2 left_on=& # 39; data1 # 39;, right_index=True)) # left_on指定左表的列索引为外健,right_index作业为右表的行索引作为外检
打印(pd.merge (df1、df2 left_index=True, right_index=True)) # left_index, right_index,默认的情况下,将两张表按照航索引的相同情况,合成一条数据
print (pd.merge (df1, df2=& # 39;左# 39;,left_index=True, right_index=True)) #,按照行进行连接,也能指定链接方式
本篇文章给大家分享的是有关如何在Python中使用熊猫自定义函数,小编觉得挺实用的,因此分享给大家学习,希望大家阅读完这篇文章后可以有所收获,话不多说,跟着小编一起来看看吧。
自定义函数的使用
