3.4 数据的导入与导出
导出数据 方法说明to_csv() 将数据保存为csv格式文件,数据之间以逗号分隔,可通过sep参数设置使用其他分隔符,可通过index参数设置是否保存行标签,可通过header参数设置是否保存列标签。...
6. 数据分箱与离散化
方法/操作语法示例描述等宽分箱pd.cut(df['col'], bins=3)将数值列分为等宽区间(如分为低/中/高)等频分箱pd.qcut(df['col'], q=4)将数值列分为等频区间(每箱数据量相同) cut() pandas.cut()...
4. 数据重塑与变形
方法/操作语法示例描述行列转置df.T转置DataFrame(行变列,列变行)宽表转长表pd.melt(df, id_vars=['id'])将多列合并为键值对形式(variable和value列)长表转宽表df.pivot(index='id', colum...
3.5 数据清洗与预处理
章节核心内容关键知识点1. 缺失值处理检测、删除和填充缺失值的方法isna(), dropna(), fillna(), 前向/后向填充, 均值/中位数填充2. 重复数据处理识别和删除重复行 duplicated(), drop_dup...
3.4 数据的导入与导出
导出数据 方法说明to_csv() 将数据保存为csv格式文件,数据之间以逗号分隔,可通过sep参数设置使用其他分隔符,可通过index参数设置是否保存行标签,可通过header参数设置是否保存列标签。...
3.3.4 案例练习
案例1:学生成绩分析 场景:某班级的学生成绩数据如下,请完成以下任务: 计算每位学生的总分和平均分。 找出数学成绩高于90分或英语成绩高于85分的学生。 按总分从高到低排序,并输出前3名学生...
3.3.2 常用方法与统计
方法说明head()查看前n行数据,默认5行tail()查看后n行数据,默认5行isin()元素是否包含在参数集合中isna()元素是否为缺失值sum()求和mean()平均值min()最小值max()最大值var()方差std()标准差m...
3.3 核心数据结构:DataFrame
3.3.1 创建与访问 什么是 DataFrame? DataFrame 是 Pandas 中的核心数据结构之一,多行多列表格数据,类似于 Excel 表格 或 SQL 查询结果。 它是一个 二...





