python pandas读取数据库表（Python3.5 Pandas模块之DataFrame用法实例分析）

python pandas读取数据库表

Python3.5 Pandas模块之DataFrame用法实例分析

本文实例讲述了python3.5 pandas模块之dataframe用法。分享给大家供大家参考，具体如下：

1、dataframe的创建

（1）通过二维数组方式创建

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

#!/usr/bin/env python # -*- coding:utf-8 -*- # author:zhengzhengliu   import numpy as np import pandas as pd from pandas import series,dataframe   #1.dataframe通过二维数组创建 print("======dataframe直接通过二维数组创建======") d1 = dataframe([["a","b","c","d"],[1,2,3,4]]) print(d1)   print("======dataframe借助array二维数组创建======") arr = np.array([   ["jack",78],   ["lili",86],   ["amy",97],   ["tom",100] ])   d2 = dataframe(arr,index=["01","02","03","04"],columns=["姓名","成绩"]) print(d2) print("========打印行索引========") print(d2.index) print("========打印列索引========") print(d2.columns) print("========打印值========") print(d2.values)

运行结果：

======dataframe直接通过二维数组创建======
   0  1  2  3
0  a  b  c  d
1  1  2  3  4
======dataframe借助array二维数组创建======
      姓名   成绩
01  jack   78
02  lili   86
03   amy   97
04   tom  100
========打印行索引========
index(['01', '02', '03', '04'], dtype='object')
========打印列索引========
index(['姓名', '成绩'], dtype='object')
========打印值========
[['jack' '78']
 ['lili' '86']
 ['amy' '97']
 ['tom' '100']]

（2）通过字典方式创建

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

#2.dataframe通过字典创建，键作为列索引，键值作为数据值，行索引值自动生成   data = {   "apart":['1101',"1102","1103","1104"],   "profit":[2000,4000,5000,3500],   "month":8 }   d3 = dataframe(data) print(d3) print("========行索引========") print(d3.index) print("========列索引========") print(d3.columns) print("========数据值========") print(d3.values)

运行结果：

apart  month  profit
0  1101      8    2000
1  1102      8    4000
2  1103      8    5000
3  1104      8    3500
========行索引========
rangeindex(start=0, stop=4, step=1)
========列索引========
index(['apart', 'month', 'profit'], dtype='object')
========数据值========
[['1101' 8 2000]
 ['1102' 8 4000]
 ['1103' 8 5000]
 ['1104' 8 3500]]

2、dataframe数据获取

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

import numpy as np import pandas as pd from pandas import series,dataframe   #3.dataframe获取数据 data = {   "apart":['1101',"1102","1103","1104"],   "profit":[2000,4000,5000,3500],   "month":8 }   d3 = dataframe(data) print(d3)   print("======获取一列数据======") print(d3["apart"]) print("======获取一行数据======") print(d3.ix[1])   print("======修改数据值======") d3["month"] = [7,8,9,10]        #修改值 d3["year"] = [2001,2001,2003,2004]   #新增列 d3.ix["4"] = np.nan print(d3)

运行结果：

 apart  month  profit
0  1101      8    2000
1  1102      8    4000
2  1103      8    5000
3  1104      8    3500
======获取一列数据======
0    1101
1    1102
2    1103
3    1104
name: apart, dtype: object
======获取一行数据======
apart     1102
month        8
profit    4000
name: 1, dtype: object
======修改数据值======
  apart  month  profit    year
0  1101    7.0  2000.0  2001.0
1  1102    8.0  4000.0  2001.0
2  1103    9.0  5000.0  2003.0
3  1104   10.0  3500.0  2004.0
4   nan    nan     nan     nan

3、pandas基本功能

（1）pandas数据文件读取

?

1 2 3 4 5 6 7 8 9

import numpy as np import pandas as pd from pandas import series,dataframe   #pandas基本操作 #1.数据文件读取   df = pd.read_csv("data.csv") print(df)

运行结果：

    name  age  source
0  gerry   18    98.5
1    tom   21    78.2
2   lili   24    98.5
3   john   20    89.2

（2）数据过滤获取

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

import numpy as np import pandas as pd from pandas import series,dataframe   #pandas基本操作 #1.数据文件读取   df = pd.read_csv("data.csv") print(df)   #2.数据过滤获取   columns = ["姓名","年龄","成绩"] df.columns = columns    #更改列索引 print("=======更改列索引========") print(df)   #获取几列的值 df1 = df[columns[1:]] print("=======获取几列的值========") print(df1) print("=======获取几行的值========") print(df.ix[1:3])   #删除含有nan值的行 df2 = df1.dropna() print("=======删除含有nan值的行=======") print(df2)

运行结果：

 name  age  source
0  gerry   18    98.5
1    tom   21     nan
2   lili   24    98.5
3   john   20    89.2
=======更改列索引========
      姓名  年龄    成绩
0  gerry  18  98.5
1    tom  21   nan
2   lili  24  98.5
3   john  20  89.2
=======获取几列的值========
   年龄    成绩
0  18  98.5
1  21   nan
2  24  98.5
3  20  89.2
=======获取几行的值========
     姓名  年龄    成绩
1   tom  21   nan
2  lili  24  98.5
3  john  20  89.2
=======删除含有nan值的行=======
   年龄    成绩
0  18  98.5
2  24  98.5
3  20  89.2

希望本文所述对大家python程序设计有所帮助。

原文链接：https://blog.csdn.net/loveliuzz/article/details/78498094