問答專欄Q & A COLUMN
謝邀
答案是完全可以，除此之外，pandas還提供各種復(fù)雜的表格數(shù)據(jù)操作，我們看看下面的例子
pandas官網(wǎng)：
https://pandas.pydata.org/
Pandas是一個(gè)強(qiáng)大的分析結(jié)構(gòu)化數(shù)據(jù)的工具集；它的使用基礎(chǔ)是Numpy（提供高性能的矩陣運(yùn)算）；用于數(shù)據(jù)挖掘和數(shù)據(jù)分析，同時(shí)也提供數(shù)據(jù)清洗功能。pandas兩個(gè)主要的數(shù)據(jù)結(jié)構(gòu)包括DataFrame和Series。
DataFrame是Pandas中的一個(gè)表格型的數(shù)據(jù)結(jié)構(gòu)，包含有一組有序的列，每列可以是不同的值類型(數(shù)值、字符串、布爾型等)，DataFrame即有行索引也有列索引，可以被看做是由Series組成的字典。
Series是一種類似于一維數(shù)組的對(duì)象，是由一組數(shù)據(jù)(各種NumPy數(shù)據(jù)類型)以及一組與之相關(guān)的數(shù)據(jù)標(biāo)簽(即索引)組成。僅由一組數(shù)據(jù)也可產(chǎn)生簡(jiǎn)單的Series對(duì)象。
接下來我們用dataframe來實(shí)現(xiàn)一些對(duì)表格的count操作
創(chuàng)建一個(gè)dataframe的數(shù)據(jù)，pandas中的dataframe等價(jià)于sql中的table
from pandas import DataFrame
#創(chuàng)建一個(gè)表格數(shù)據(jù),對(duì)于數(shù)據(jù)庫中的table
data = {
"id":[1,1,1,2,2,2,2,3,3],
"domain":["vk.com","vk.com","twitter.com","vk.com","facebook.com", "vk.com","google.com","twitter.com","vk.com"],
"age":[5,6,7,8,9,10,11,12,13]}
frame = DataFrame(data)
print(frame)
統(tǒng)計(jì)每個(gè)domain出現(xiàn)的次數(shù)
#統(tǒng)計(jì)name中每個(gè)名稱的個(gè)數(shù)
print(frame.groupby("domain")["domain"].count())
統(tǒng)計(jì)id和domain完全相同數(shù)據(jù)的個(gè)數(shù)(等價(jià)于sql中的聯(lián)合查詢)
#聯(lián)合id和domain進(jìn)行統(tǒng)計(jì)
print(frame.groupby(["id","domain"])["domain"].count())
統(tǒng)計(jì)不重復(fù)的domain
#統(tǒng)計(jì)不重復(fù)
domianprint(frame.domain.unique())
統(tǒng)計(jì)age大于10的name
#篩選出符合條件的dataframe
print(frame.where(frame["age"] > 10).dropna())
#統(tǒng)計(jì)domain出現(xiàn)的次數(shù)
print(frame.where(frame["age"] > 10).dropna().groupby("domain")["domain"].count())
實(shí)際上pandas能做的事情還有很多很多，我這里只是簡(jiǎn)單的列舉了一部分而已，它還可以實(shí)現(xiàn)很多很復(fù)雜的操作，相對(duì)來說pandas對(duì)數(shù)據(jù)的操作要比sql操作表格簡(jiǎn)單的多，pandas還提供了一個(gè)to_sql方法可以去操作數(shù)據(jù)庫，感興趣的同學(xué)可以去了解一下。
我以前在博客上寫過一些pandas的入門教程，如果有興趣更進(jìn)一步了解可以去看看我博客的文章
https://blog.csdn.net/sinat_29957455/article/category/9271181
評(píng)論0
加載中...0
回答0
回答0
回答0
回答0
回答0
回答0
回答0
回答10
回答0
回答
