Les fonctions couramment utilisées dans la bibliothèque pandas incluent : 1. les fonctions read_csv() et read_excel() ; 2. les fonctions head() et tail() ; Introduction détaillée : 1. Fonctions read_csv() et read_excel() Ces deux fonctions sont utilisées pour lire les données des fichiers CSV et Excel. Elles peuvent lire les données dans des objets de bloc de données pour faciliter une analyse ultérieure des données. () fonctions, etc.
Le système d'exploitation de ce tutoriel : système Windows 10, ordinateur DELL G3.
Pandas est une puissante bibliothèque d'analyse de données Python qui fournit de nombreuses fonctions couramment utilisées. Voici quelques fonctions couramment utilisées de la bibliothèque Pandas :
Fonctions 1, read_csv() et read_excel()
Ces deux fonctions sont utilisées pour lire des données à partir de fichiers CSV et Excel. Ils peuvent lire des données dans des objets DataFrame pour faciliter une analyse plus approfondie des données.
Exemple de code :
import pandas as pd df = pd.read_csv('file_path.csv') # 从CSV文件中读取数据 df = pd.read_excel('file_path.xlsx', sheet_name='Sheet1') # 从名为'Sheet1'的Excel工作表中读取数据
2, fonctions head() et tail()
Ces deux fonctions sont utilisées pour obtenir les n premières lignes ou les n dernières lignes de données du bloc de données. Ils facilitent l'affichage des premières ou dernières lignes d'un ensemble de données sans charger l'intégralité de l'ensemble de données en mémoire.
Exemple de code :
import pandas as pd df = pd.read_csv('file_path.csv') df.head(5) # 获取前5行数据 df.tail(3) # 获取后3行数据
3. Fonction info()
La fonction info() peut fournir des informations de base sur le bloc de données, y compris la forme du bloc de données, les noms des colonnes, le type de données de chaque colonne, etc. Cela nous aide à comprendre rapidement la structure de la trame de données.
Exemple de code :
import pandas as pd df = pd.read_csv('file_path.csv') df.info() # 查看数据框的基本信息
4. Fonction décrire()
La fonction décrire() peut fournir des informations statistiques descriptives pour chaque colonne de données dans le bloc de données, y compris le nombre, la moyenne, l'écart type, la valeur minimale, la valeur maximale, etc. Cela peut nous aider à comprendre rapidement la distribution des données dans chaque colonne du bloc de données.
Exemple de code :
import pandas as pd df = pd.read_csv('file_path.csv') df.describe() # 查看数据框中每列数据的描述性统计信息
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!