• 《图解Pandas》内容汇总-20220822


    大家好,我是阳哥。

    有不少同学跟我提过,看看能不能出一系列 Pandas 数据处理的教程,之前一直也没来得及弄。

    最近几个月,才开始陆陆续续的弄内容。

    01已发布的内容

    为了大家能够生动、形象的学习 Pandas,阳哥正在制作一系列 《图解Pandas》 的内容,当前已在微信视频号「Python数据之道」发布 28 期视频,同时在公众号「Python数据之道」配套发布了 8 篇图文内容(图文中配套源代码以及在PC端观看的视频)。

    《图解Pandas》主要跟大家以视频图解、动态图片等方式来讲解 Pandas 的基础知识,方便大家快速的掌握这些知识,相信《图解Pandas》会给大家带来一些不一样的视角。

    • 视频内容:在微信视频号「Python数据之道」发布视频,是可以免费观看的。

    • 图文内容:在微信公众号「Python数据之道」发布的图文内容,则是付费阅读内容,付费部分包括《图解Pandas》图文干货内容、可以在电脑端观看的视频以及配套的源代码等。对于打算深入学习Pandas的同学,相信会有诸多益处的。目前每次发布单篇的付费内容,后续会考虑出付费合集。

    《图解Pandas》的视频内容一般如下:

    扫描下面的二维码,关注视频号,可以观看《图解Pandas》已发布的所有视频以及及时推送最新的视频:

    92e0b493216d1c677cad785bdfd397c4.jpeg

    《图解Pandas》 系列,是一个不小的工程,预计将会有超过100个视频,现在来说算是一个期货吧,搞不好就是烂尾工程啦,大家的支持就是我持续分享的动力,嘿嘿~~

    《图解Pandas》系列已发布的图文链接以及对应的视频编号,汇总如下:

    02部分内容介绍

    数据结构介绍

    DataFrame (中文翻译“数据框”)介绍:

    1ccccb2b22ffc33a573b70243b673727.jpeg

    图解数据框轴方向:

    4e750b7f12bb8b6f530ca0ff35d8c325.jpeg

    DataFrame 与 Series 之间的关联:

    3b7173e68326a14725eee1ea78899891.gif

    通过列表创建数据框

    c97d7e5723a6485b464651bd8a5e861a.jpeg

    读取Excel文件

    从Excel读取数据时,有时需要跳过数据文件末尾部分数据行:

    8ba014fcd3070dfa785609f8b8b0b8ef.gif

    数据框行列转置

    通过 df.T 可以实现数据框的行列转置:

    8d8a8f6cf6310be8dcf5b5aafde5bb71.gif

    索引位置以及索引值

    如何获取 Series 中最小值或最大值对应的索引位置以及索引值。

    f70da5eb6376b5d2020aa829fa6eccc8.jpeg

    通过 argmin() 函数来获取最小值对应的索引位置,如红色标注所示,结果为数字 1 ,如下:

    14c27f9c23f8a882d0bfeb119458fa48.jpeg

    通过 idxmin() 函数来获取最小值对应的索引值,如红色标注所示,结果为字母 e ,如下:

    96475dd6daa0beff5404a8842d1de36f.jpeg

    数据偏移:shift

    默认情况下,shift() 函数中 axis=0,将数据框沿 0轴方向 向下偏移一个位置,结果如下:

    dbdb961d8a401d5ecd08dec8f5ada623.jpeg

    详细的实现过程动态演示如下:

    983cbd7bb127367fd0933ae2f6886d54.gif

    数据筛选

    在Pandas中,可以通过多种方法进行数据筛选,在视频号「Python数据之道」第16-28期视频中 ,对数据筛选进行了比较详细的介绍。

    这里分享一个条件筛选的案例。

    应用 loc 函数实现条件筛选,相当于loc后面第一部分是条件判断,逗号后面是选取列。如下图蓝色标注2所示:

    505df7d2adc87ab75101f06e33db9b8c.jpeg

    03专题汇总

    考虑到《图解Pandas》系列内容在不断更新过程中,大家可以通过下面的专题来找到最新发布的内容。

    2bed80ebb3af1d3d1427d71eb6d309a2.jpeg

    同时考虑到,以后如果文章数量较多(比如超过50篇文章),可能在专题中也不好快速的找到所需要的内容,我会以文章汇总的形式,将《图解Pandas》系列的文章进行手动汇总,并形成 图解Pandas汇总 的专题,最新的汇总文章,可以点击下面专题,找到最新的文章即可。

    a65cfa4aa93ab20de33cb0109c746a37.jpeg

    学习 Pandas,最难的还在于坚持,希望《图解Pandas》能给大家带来一些乐趣,一起加油吧!


    大家读完顺手点下右下角的  “在看” ,就是最大的鼓励和支持了。

  • 相关阅读:
    Vue.js+SpringBoot开发个人健康管理系统
    GPT引领前沿与应用突破之GPT4科研实践技术与AI绘图
    modprobe和insmod的区别、 rmmod及modinfo
    亚远景科技-ASPICE评估输入
    Python 基于 Yolov8 + CPU 实现物体检测
    spark底层原理理解--高级进阶
    LeetCode HOT 100 —— 76 .最小覆盖子串
    JS代码压缩
    3D建模基础教程:石墨工具介绍
    【ETL】常见的ETL工具(含开源及付费)一览和优劣势分析?
  • 原文地址:https://blog.csdn.net/lemonbit/article/details/126476211