Python Pandas – 如何使用 Pandas DataFrame 属性:shape
pythonpandasserver side programmingprogramming
编写一个 Python 程序从 products.csv 文件中读取数据并打印行数和列数。然后打印前十行的 ‘product’ 列值与 ‘Car’ 匹配
假设您有 ‘products.csv’ 文件，行数和列数的结果以及 ‘product’ 列值与 ‘Car’ 匹配前十行的 −
从 此处下载 products.csv 文件。
Rows: 100 Columns: 8 id product engine avgmileage price height_mm width_mm productionYear 1 2 Car Diesel 21 16500 1530 1735 2020 4 5 Car Gas 18 17450 1530 1780 2018 5 6 Car Gas 19 15250 1530 1790 2019 8 9 Car Diesel 23 16925 1530 1800 2018
我们针对此问题有两种不同的解决方案。
解决方案 1
从 products.csv 文件读取数据并分配给 df
df = pd.read_csv('products.csv ')
打印行数 = df.shape[0] 和列数 = df.shape[1]
设置 df1 以使用 iloc[0:10,:] 从 df 中过滤前十行
df1 = df.iloc[0:10,:]
使用 df1.iloc[:,1] 计算与 car 匹配的产品列值
此处，产品列索引为 1，最后打印数据
df1[df1.iloc[:,1]=='Car']
示例
让我们检查以下代码以获得更好的理解 −
import pandas as pd
df = pd.read_csv('products.csv ')
print("Rows:",df.shape[0],"Columns:",df.shape[1])
df1 = df.iloc[0:10,:]
print(df1[df1.iloc[:,1]=='Car'])
输出
Rows: 100 Columns: 8 id product engine avgmileage price height_mm width_mm productionYear 1 2 Car Diesel 21 16500 1530 1735 2020 4 5 Car Gas 18 17450 1530 1780 2018 5 6 Car Gas 19 15250 1530 1790 2019 8 9 Car Diesel 23 16925 1530 1800 2018
解决方案 2
从 products.csv 文件读取数据并分配给 df
df = pd.read_csv('products.csv ')
打印行数 = df.shape[0] 和列数 = df.shape[1]
使用 df.head(10) 取前十行并分配给 df
df1 = df.head(10)
使用以下方法将产品列值与 Car 匹配
df1[df1['product']=='Car']
现在，让我们检查一下它的实现，以便更好地理解。 −
示例
import pandas as pd
df = pd.read_csv('products.csv ')
print("Rows:",df.shape[0],"Columns:",df.shape[1])
df1 = df.head(10)
print(df1[df1['product']=='Car'])
输出
Rows: 100 Columns: 8 id product engine avgmileage price height_mm width_mm productionYear 1 2 Car Diesel 21 16500 1530 1735 2020 4 5 Car Gas 18 17450 1530 1780 2018 5 6 Car Gas 19 15250 1530 1790 2019 8 9 Car Diesel 23 16925 1530 1800 2018
