对不起，给pandas配表情包太难了，pandas你该这么学，No.6

这篇博客，我们继续围绕着dataframe转圈圈吧

首先从计算函数说起

咱先声明一个dataframe，方便后续操作

import pandas as pd

df_dict = {
    "boys":[10,20,30],
    "girls":[20,40,60]
}

df = pd.DataFrame(df_dict)
print(df)
复制代码

对于一个高手来说，从上帝视角对数据有一个基本的把握是最重要的

那么我们需要一个函数

describe

你只需要使用一下，就能得到很多的信息哦~

来，看一下结果

boys  girls
count   3.0    3.0
mean   20.0   40.0
std    10.0   20.0
min    10.0   20.0
25%    15.0   30.0
50%    20.0   40.0
75%    25.0   50.0
max    30.0   60.0
复制代码

这不要啥有啥么

只要你英文没啥大问题，认识count,mean,std,min,max

恭喜你，上面的数据 你都能看懂

这上帝视角

数据一览无余

接下来，你就可以分开显示了

pandas神奇的地方即将出现

当你学会一个函数 同步你会学会好几个

我拿count举个栗子啊 为什么，拿着个举例子

还不是因为它最简单！

先看代码，在讲解

import pandas as pd
df_dict = {
    "boys":[10,20,30],
    "girls":[20,40,60]
}
df = pd.DataFrame(df_dict)
print(df.count(axis=0))
复制代码

输出的结果，请注意

boys     3
girls    3
dtype: int64
复制代码

是个 series 没错了

那么，重点来了，我这个伪大佬要开课了

df.count() 函数，统计cells个数， 额，还是大白话吧

就是统计行或者列的小格子个数

嗯，这么说，容易懂

它有个参数，非常，非常，非常重要

以后会经常碰到

这个参数，就是axis，翻译成中文，叫做轴

没错，就是坐标轴的那个轴

默认值呢是0

0等于index 1等于columns

难度来了，这个地方不好记（因为，我总是搞错 Σ(っ°Д°;)っ）

在尝试大白话解释一下 df.count(axis=0) 的意思

统计每一列单元格（小格子）数量

咦？不太对啊

刚刚不是还说0等于index么？

那 df.count(axis=0) ，不应该统计行么？咋还统计成列了呢？

解释最后一次了哦

axis=0 这个参数表示 为每列生成计数

上面的红框，叫做每列

所以，列名有几个，统计出来的结果就有几个

这个很容易晕哦~

我觉得你应该晕了

哎~慢慢绕吧

同理axis=1就表示 为每行生成计数 啦

刚刚的数据有三行，那对应的肯定生成三行喽

小提示

axis='index' 等于  axis = 0
axis = 'columns' 等于 axis = 1
复制代码

为什么要在这个地方叨叨这么多呢

还不是因为下面这个图

看完这个图，之后

我相信，你应该对axis这个函数瞬间感兴趣了

这完全搞不定，没法用的节奏啊

难不成，每次都跟我一样

先猜0，不对，在换成1

哈哈哈哈哈哈哈哈哈 （好像暴露了，我菜的本质了呢）

df.count()学习完毕之后，来个df.min(),df.max(),df.mean()吧

哈哈，这三个函数咱看一下，其实非常简单的

import pandas as pd
df_dict = {
    "boys":[10,20,30],
    "girls":[20,40,60]
}
df = pd.DataFrame(df_dict,index=['class1','class2','class3'])
print(df.mean(axis=1))
复制代码

• df.min() 最小值
• df.max() 最大值
• df.mean() 平均值

上面是获取值

记住，有值就有索引

然后再展示一段代码

需求，我们要获取每列中最小值的索引

import pandas as pd

df_dict = {
    "boys":[10,20,30],
    "girls":[20,40,60]
}

df = pd.DataFrame(df_dict,index=['class1','class2','class3'])
print(df.mean(axis=1))
print(df.idxmin())

复制代码

• df.idxmin() 按照列获取
• df.idxmin(axis=1) 按照行获取

电脑面前的你，赶紧的吧，

你一试就知道结果了

还等什么？

其他的，像方差，求和，标准差，都去试试吧

你可以滴！

T 来了

在学习series的时候，我们用了一个s.T 神奇的是啥效果也没有

今天用dataframe在来试一下

import pandas as pd

df_dict = {
    "boys":[10,20,30],
    "girls":[20,40,60]
}

df = pd.DataFrame(df_dict,index=['class1','class2','class3'])

print(df)
print("x"*50)

print(df.T)
复制代码

看到没？ 出现效果了

行索引，变成列索引 列索引，变成行索引

厉害，厉害

其实这个就是转置

线性代数上线啦

下课！

话不多说，结束，开始展示公众号

还等什么，关注吧~