Python酷库之旅-第三方库Pandas(096)

幻行风

目录一、用法精讲411、pandas.DataFrame.values属性411-1、语法411-2、参数411-3、功能411-4、返回值411-5、说明411-6、用法411-6-1、数据准备411-6-2、代码示例411-6-3、结果输出412、pandas.DataFrame.axes属性412-1、语法412-2、参数412-3、功能412-4、返回值412-5、说明412-6、用法412-6-1、数据准备412-6-2、代码示例412-6-3、结果输出413、pandas.DataFrame.ndim属性413-1、语法413-2、参数413-3、功能413-4、返回值413-5、说明413-6、用法413-6-1、数据准备413-6-2、代码示例413-6-3、结果输出414、pandas.DataFrame.size属性414-1、语法414-2、参数414-3、功能414-4、返回值414-5、说明414-6、用法414-6-1、数据准备414-6-2、代码示例414-6-3、结果输出415、pandas.DataFrame.shape属性415-1、语法415-2、参数415-3、功能415-4、返回值415-5、说明415-6、用法415-6-1、数据准备415-6-2、代码示例415-6-3、结果输出二、推荐阅读1、Python筑基之旅2、Python函数之旅3、Python算法之旅4、Python魔法之旅5、博客个人主页一、用法精讲411、pandas.DataFrame.values属性411-1、语法#411、pandas.DataFrame.values属性pandas.DataFrame.valuesReturnaNumpyrepresentationoftheDataFrame.WarningWerecommendusingDataFrame.to_numpy()instead.OnlythevaluesintheDataFramewillbereturned,theaxeslabelswillberemoved.Returns:numpy.ndarrayThevaluesoftheDataFrame.411-2、参数    无411-3、功能        获取DataFrame中的所有数据，忽略行索引和列标签，方便进行数值计算和操作，因为返回的是NumPy数组。411-4、返回值        返回一个NumPyndarray，包含DataFrame中的所有数据，该属性提供了对DataFrame内部存储数据的直接访问。411-5、说明411-5-1、如果DataFrame中只有一种数据类型，返回的数组的数据类型将对应该类型，如整数或浮点数。411-5-2、推荐使用df.to_numpy()来替代values属性，以获得更好的功能和灵活性。411-6、用法411-6-1、数据准备无411-6-2、代码示例#411、pandas.DataFrame.values属性importpandasaspd#创建一个DataFramedata={'A':[1,2,3],'B':[4.5,5.5,6.5],'C':['foo','bar','baz']}df=pd.DataFrame(data)#使用values属性array_values=df.valuesprint("DataFrame的值：")print(array_values)411-6-3、结果输出#411、pandas.DataFrame.values属性#DataFrame的值：#[[14.5'foo']#[25.5'bar']#[36.5'baz']]412、pandas.DataFrame.axes属性412-1、语法#412、pandas.DataFrame.axes属性pandas.DataFrame.axesReturnalistrepresentingtheaxesoftheDataFrame.Ithastherowaxislabelsandcolumnaxislabelsastheonlymembers.Theyarereturnedinthatorder.412-2、参数    无412-3、功能        用于获取DataFrame的轴标签，返回一个包含行索引和列索引的列表。412-4、返回值        返回一个列表，其中包含两个元素：[index,columns]。412-5、说明    无412-6、用法412-6-1、数据准备无412-6-2、代码示例#412、pandas.DataFrame.axes属性importpandasaspd#创建一个DataFramedata={'A':[1,2,3],'B':[4.5,5.5,6.5],'C':['foo','bar','baz']}df=pd.DataFrame(data)#使用axes属性axes=df.axesprint("DataFrame的轴标签：")print("行索引:",axes[0])print("列索引:",axes[1])412-6-3、结果输出#412、pandas.DataFrame.axes属性#DataFrame的轴标签：#行索引:RangeIndex(start=0,stop=3,step=1)#列索引:Index(['A','B','C'],dtype='object')413、pandas.DataFrame.ndim属性413-1、语法#413、pandas.DataFrame.ndim属性pandas.DataFrame.ndimReturnanintrepresentingthenumberofaxes/arraydimensions.Return1ifSeries.Otherwisereturn2ifDataFrame.413-2、参数    无413-3、功能        用于获取DataFrame的维度。413-4、返回值    返回一个整数，表示数据的维度级别。413-5、说明    无413-6、用法413-6-1、数据准备无413-6-2、代码示例#413、pandas.DataFrame.ndim属性importpandasaspd#创建一个DataFramedata={'A':[1,2,3],'B':[4.5,5.5,6.5],'C':['foo','bar','baz']}df=pd.DataFrame(data)#获取DataFrame的维度dimensions=df.ndimprint("DataFrame的维度：",dimensions)413-6-3、结果输出#413、pandas.DataFrame.ndim属性#DataFrame的维度：2414、pandas.DataFrame.size属性414-1、语法#414、pandas.DataFrame.size属性pandas.DataFrame.sizeReturnanintrepresentingthenumberofelementsinthisobject.ReturnthenumberofrowsifSeries.OtherwisereturnthenumberofrowstimesnumberofcolumnsifDataFrame.414-2、参数    无414-3、功能        用于获取DataFrame中所有元素的总数。414-4、返回值        返回一个整数，表示DataFrame中的行数与列数的乘积。414-5、说明    无414-6、用法414-6-1、数据准备无414-6-2、代码示例#414、pandas.DataFrame.size属性importpandasaspd#创建一个DataFramedata={'A':[1,2,3],'B':[4.5,5.5,6.5],'C':['foo','bar','baz']}df=pd.DataFrame(data)#获取DataFrame的大小total_elements=df.sizeprint("DataFrame的总元素数：",total_elements)414-6-3、结果输出#414、pandas.DataFrame.size属性#DataFrame的总元素数：9415、pandas.DataFrame.shape属性415-1、语法#415、pandas.DataFrame.shape属性pandas.DataFrame.shapeReturnatuplerepresentingthedimensionalityoftheDataFrame.415-2、参数    无415-3、功能        用于获取DataFrame的维度信息。415-4、返回值    返回一个元组，其中包含行数和列数。415-5、说明    无415-6、用法415-6-1、数据准备无415-6-2、代码示例#415、pandas.DataFrame.shape属性importpandasaspd#创建一个DataFramedata={'A':[1,2,3],'B':[4.5,5.5,6.5],'C':['foo','bar','baz']}df=pd.DataFrame(data)#获取DataFrame的维度dimensions=df.shapeprint("DataFrame的维度：",dimensions)415-6-3、结果输出#415、pandas.DataFrame.shape属性#DataFrame的维度：(3,3)二、推荐阅读1、Python筑基之旅2、Python函数之旅3、Python算法之旅4、Python魔法之旅5、博客个人主页