同名函数python python 同名函数

像Excel一样使用Python(一)在进行数据处理时同名函数python,如果数据简单,数量不多,excel是大家同名函数python的首选 。但是当数据众多,类型复杂 , 需要灵活地显示切片、进行索引、以及排序时,python会更加方便 。借助python中的numpy和pandas库,它能快速完成各种任务,包括数据的创建、检查、清洗、预处理、提取、筛选、汇总、统计等 。接下来几篇文章,将以excel为参照,介绍python中数据的处理 。
提到pandas,那就不得不提两类重要的数据结构 , Series和DataFrame,这两类数据结构都是建立在numpy的数组array基础上 。与array相比,Series是一个一维的数据集,但是每个数据元素都带有一个索引,有点类似于字典 。而DataFrame在数组的基础上,增加同名函数python了行索引和列索引,类似于Series的字典,或者说是一个列表集 。
所以在数据处理前,要安装好numpy , pandas 。接下来就看看如何完成一套完整的数据操作 。
创建数据表的方法分两种,分别是从外部导入数据,以及直接写入数据 。
在python中,也可外部导入xlsx格式文件,使用read_excel()函数同名函数python:
import pandas as pd
from pandas import DataFrame,Series
data=https://www.04ip.com/post/DataFrame(pd.read_excel('c:/python27/test.xlsx'))
print data
输出同名函数python:
Gene Size Function
0 arx1 411 NaN
1 arx2 550 monooxygenase
2 arx3 405 aminotransferase
【同名函数python python 同名函数】 ……
即:调用pandas中read_excel属性 , 来读取文件test.xlsx,并转换成DataFrame格式 , 赋给变量data 。在每一行后,自动分了一个索引值 。除了excel,还支持以下格式文件的导入和写入:
Python写入的方法有很多,但还是不如excel方便 。常用的例如使用相等长度的字典或numpy数组来创建:
data1 = DataFrame(
{'Gene':['arx1','arx2','arx3'],
'Size':[411,550,405],
'Func':[np.NaN,'monooxygenase','aminotransferase ']})
print data1
输出
Func Gene Size
0 NaN arx1 411
1 monooxyg arx2 550
2 amino arx3 405
分配一个行索引后,自动排序并输出 。
在python中 , 可以使用info()函数查看整个数据的详细信息 。
print data.info()
输出
RangeIndex: 7 entries, 0 to 6
Data columns (total 3 columns):
Gene 7 non-null object
Size 7 non-null int64
Function 5 non-null object
dtypes: int64(1), object(2)
memory usage: 240.0+ bytes
None
此外,还可以通过shape, column, index, values, dtypes等函数来查看数据维度、行列组成、所有的值、 数据类型:
print data1.shape
print data1.index
print data1.columns
print data1.dtypes
输出
(3, 3)
RangeIndex(start=0, stop=3, step=1)
Index([u'Func', u'Gene', u'Size'], dtype='object')
Func object
Gene object
Size int64
dtype: object
在excel中可以按“F5” , 在“定位条件”中选择“空值”,选中后 , 输入替换信息,再按“Ctrl+Enter”即可完成替换 。
在python中,使用函数 isnull 和 notnull 来检测数据丢失, 包含空值返回True,不包含则返回False 。
pd.isnull(data1)
pd.notnull(data1)
也可以使用函数的实例方法,以及加入参数,对某一列进行检查:
print data1['Func'].isnull()
输出
Func Gene Size
0 True False False
1 False False False
2 False False False
再使用fillna对空值进行填充:
data.fillna(value=https://www.04ip.com/post/0)
#用0来填充空值

推荐阅读