104學習精靈
Data Analysis
Data Analysis
關注
邀請朋友 
Facebook
Line
複製連結
Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！
我要分享
我要提問
Data Analysis 學習推薦
全部
影片
文章
不知如何開始嗎？ 先進行技能挑戰吧～
技能挑戰：初級
目前等級：未達初級
1 人已通過「初級」測驗，通過率100%，和學習精靈一起探索知識、增強能力！
我要挑戰
Pandas DataFrame處理雙維度資料方法(4)
Q:如何取得Pandas DataFrame資料?
1.head()：取得最前面的n筆資料，並且會回傳一個新的Pandas DataFrame資料集，如下範例：
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
new_df = df.head(2)
print(new_df) #取得最前面的兩筆資料
2.tail()：取得最後面的n筆資料，並且會回傳一個新的Pandas DataFrame資料集，如下範例：
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
new_df = df.tail(3)
print(new_df) #取得最後面的三筆資料
3.中括號[]：在中括號中指定「欄位名稱」或「資料索引值」，來取得所需的資料集，如下範例：
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
print(df[["name"]]) #取得單一欄位資料(型別為DataFrame)
print(df[["name", "chinese"]]) #取得多欄位資料(型別為DataFrame)
print(df[0:3]) #取得索引值0~2的資料
4.at[資料索引值,欄位名稱]：利用資料索引值及欄位名稱來取得「單一值」，如下範例：
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
print(df.at[1, "math"]) #利用at()方法取得索引值為1的math欄位資料
5.iat[資料索引值,欄位順序]：利用資料索引值及欄位順序來取得「單一值」，如下範例：
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
print(df.iat[1, 0]) #取得索引值為1的第一個欄位資料"
5.loc[資料索引值,欄位名稱]：利用資料索引值及欄位名稱來取得「資料集」，如下範例：
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
print(df.loc[[1, 3], ["name", "chinese"]]) #取得資料索引值為1和3的name及chinese欄位資料集
6.iloc[資料索引值,欄位順序]：利用資料索引值及欄位順序來取得「資料集」，如下範例：
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
print(df.iloc[[1, 3], [0, 2]]) #取得資料索引值為1和3的第一個及第三個欄位資料集
如果想要學習更多的Python應用教學，歡迎前往Learn Code With Mike( https://www.learncodewithmike.com/2020/11/python-pandas-dataframe-tutorial.html
)網站觀看更多精彩內容。
2
0
373 0
拍手
留言
分享
Line
複製連結
收藏
學習精靈
06/27 00:00
youtube.com
EViews 軟體應用－Panel Data Analysis／何宗武老師【鼎茂統計諮詢中心】
27 0
分享
Line
複製連結
收藏
Pandas DataFrame處理雙維度資料方法(3)
Q:如何刪除Pandas DataFrame資料
1.drop(欄位名稱串列,axis=1)：刪除指定欄位名稱的欄位，並且會回傳一個新的Pandas DataFrame資料集，如下範例：
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
new_df = df.drop(["math"], axis=1)
print("刪除math欄位")
print(new_df)
2.drop(資料索引串列,axis=0)：刪除指定資料索引的資料，並且會回傳一個新的Pandas DataFrame資料集，如下範例：
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
new_df = df.drop([0, 3], axis=0) # 刪除第一筆及第四筆資料
print("刪除第一筆及第四筆資料")
print(new_df)
3.dropna()：刪除含有NaN或空值的資料，並且會回傳一個新的Pandas DataFrame資料集，在進行資料清理的時候非常實用，如下範例：
grades = {
"name": ["Mike", "Sherry", np.NaN, "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
new_df = df.dropna()
print("刪除空值後的df")
print(new_df)
4.drop_duplicates()：刪除重複的資料，並且會回傳一個新的Pandas DataFrame資料集，同樣最常應用在資料清理的時候，如下範例：
grades = {
"name": ["Mike", "Mike", "Cindy", "John"],
"city": ["Taipei", "Taipei", "Kaohsiung", "Taichung"],
"math": [80, 80, 93, 86],
"chinese": [80, 80, 93, 86]
}
df = pd.DataFrame(grades)
new_df = df.drop_duplicates()
print("刪除重複值後的df")
print(new_df)
Q:如何篩選Pandas DataFrame資料
通常在處理大量的資料集時，有很高的機率會需要利用條件式來篩選所需的資料，這時候就可以利用中括號[]存取欄位來進行資料篩選，如下範例：
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
print("篩選math大於80的資料集")
print(df[df["math"] > 80])
另一個最常見的資料篩選情境，就是找出包含特定值的資料集，這時候可以利用Pandas DataFrame的isin()方法(Method)來達成，如下範例：
grades = {
"name": ["Mike", "Sherry", "Cindy", "John"],
"math": [80, 75, 93, 86],
"chinese": [63, 90, 85, 70]
}
df = pd.DataFrame(grades)
print("篩選name欄位包含John的資料集")
print(df[df["name"].isin(["John"])])
如果想要學習更多的Python應用教學，歡迎前往Learn Code With Mike( https://www.learncodewithmike.com/2020/11/python-pandas-dataframe-tutorial.html
)網站觀看更多精彩內容。
2
0
2318 0
拍手
留言
分享
Line
複製連結
收藏
學習精靈
05/05 00:00
youtube.com
學習大數據資料分析 - 新冠肺炎資料分析 (You may learn data analysis from big data.)
7 1
分享
Line
複製連結
收藏
推薦給你
Google發表：Gemini 2.0 全新AI模組介紹、四大亮點一次看
在ChatGPT傳出全球大當機災情的同一天，Google 發布了全新 AI 模型 Gemini 2.0。
不僅支援多模態物件，Gemini 2.0採用更精準、強大的代理式AI系統，幫助使用者主動提前思考並完善指令，打造更符合使用者需求的全方位AI人工智慧助理！
▍Gemini 2.0 亮點搶先看
※ 深度學習有效處理複雜問題：採用「深度研究」學習技術功能，大量運用高級推理和長上下文功能充當研究助理，探索複雜的主題並代表使用者編寫報告。
※ 多模態能力生成準確內容： 除了文字生成外，Gemini 2.0 還能直接生成圖片和音訊，並且能有效處理口音問題轉化成更準確的訊息內容。
※ 實現代理式 AI 的多元運用： 不只是AI助理，Gemini 2.0升級的代理式AI系統，能更主動的做出決策，為使用者提前思考，並在使用者的監督下執行任務。Gemini 2.0將以此為基石，使用在Project Astra助理工具與其他開發者工具中。
※ 活化並整合 Google 產品： Gemini 2.0 將逐步整合到 Google 的搜尋、地圖等產品中，為使用者帶來更智能、更個人化的體驗。
Gemini 2.0預計2025年1月正式推出，在此之前，使用者們可以透過Google AI Studio網站搶先體驗Gemini 2.0測試版的與眾不同。
➤ 立即試用：
➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！
0
0
3030 1
拍手
留言
分享
Line
複製連結
收藏
你可能感興趣的教室