Python的Pandas库（二）进阶使用

Python开发实用教程

DataFrame的运算

DataFrame重载了运算符，支持许多的运算

算术运算

运算方法	运算说明
df.add(other)	对应元素的加，如果是标量，就每个元素加上标量
df.radd(other)	等效于other+df
df.sub(other)	对应元素相减，如果是标量，就每个元素减去标量
df.rsub(other)	other-df
df.mul(other)	对应元素相乘，如果是标量，每个元素乘以标量
df.rmul(other)	other*df
df.div(other)	对应元素相除，如果是标量，每个元素除以标量
df.rdiv(other)	other/df
df.truediv(other)	对应元素相除，如果是标量，每个元素除以标量
df.rtruediv(other)	other/df
df.floordiv(other)	对应元素相除取整，如果是标量，每个元素除以标量
df.rfloordiv(other)	other//df
df.mod(other)	对应元素相除取余，如果是标量，每个元素除以标量
df.rmod(other)	other%df
df.pow(other)	对应元素的次方，如果是标量，每个元素的other次方
df.rpow(other)	other**df

import pandas as pddf1 = pd.DataFrame({'c1':[1,2,3,4],'c2':[5,6,7,8],'c3':[10,11,12,13]})
df2 = pd.DataFrame({'c1':[11,12,13,14],'c2':[10,20,30,40],'c3':[100,200,300,400]})
df3 = df1 + df2
print(df3)
‘’'c1  c2   c3
0  12  15  110
1  14  26  211
2  16  37  312
3  18  48  413
‘''df4 = pd.DataFrame({'c1':[11,12,13,14]})
df5 = df1 + df4
print(df5)
‘’'c1  c2  c3
0  12 NaN NaN
1  14 NaN NaN
2  16 NaN NaN
3  18 NaN NaN
‘’'df6 = df1 + 1
print(df6)
‘’'c1  c2  c3
0   2   6  11
1   3   7  12
2   4   8  13
3   5   9  14
‘''df7 = df1 -2
print(df7)
‘’'c1  c2  c3
0  -1   3   8
1   0   4   9
2   1   5  10
3   2   6  11
‘''df8 = 2 - df1
print(df8)
‘’'c1  c2  c3
0   1  -3  -8
1   0  -4  -9
2  -1  -5 -10
3  -2  -6 -11
‘''

 比较运算

比较运算如果是标量，就是每个元素与标量的比较，如果是两个形状一样的DataFrame，生成一个每个元素对应比较的DataFrame。

DataFrame读写文件

方法名	说明
read_table(filepath_or_buffer, *[, sep, ...])	从带分隔符的文件读取
read_csv(filepath_or_buffer, *[, sep, ...])	读csv格式文件
DataFrame.to_csv([path_or_buf, sep, na_rep, ...])	写csv格式文件
read_fwf(filepath_or_buffer, *[, colspecs, ...])	读固定宽度的格式文件
read_excel(io[, sheet_name, header, names, ...])	读excel文件
DataFrame.to_excel(excel_writer[, ...])	写excel文件
ExcelFile(path_or_buffer[, engine, ...])	用于将表格格式Excel工作表解析为DataFrame对象的类。
ExcelFile.parse([sheet_name, header, names, ...])	解析一个指定的sheet
Styler.to_excel(excel_writer[, sheet_name, ...])	写指定的sheet
ExcelWriter(path[, engine, date_format, ...])	用于写入Excel的类
read_json(path_or_buf, *[, orient, typ, ...])	从JSON格式读取数据
DataFrame.to_json([path_or_buf, orient, ...])	转为为JSON对象字符串
read_html(io, *[, match, flavor, header, ...])	从HTML表格读取数据
DataFrame.to_html([buf, columns, col_space, ...])	生成HTML表格
Styler.to_html([buf, table_uuid, ...])	生成HTML表格