print(df)

关于 DataFrame 的 append()方法

DataFrame 增添一行可以使用 append()方法。设置参数，ignore_index=True 可以忽略掉索引。

当在 DataFrame 后边追加的对象为 Series 时，必须把 ignore_index 设为 True，或者除非 Serise 有 name 属性。

当追加多列时，设置 ignore_index 为 True 可以避免出现索引值重复的异常事件。

此外 DataFrame 的 append()方法在未来的版本即将被取消。将由 concat 替代。

[](

)max() 最大值 & min() 最小值

import pandas as pd

data = [[110, 105, 99], [105, 88, 115], [109, 120, 130]]

index = [1, 2, 3]

columns = ['语文', '数学', '英语']

pd.set_option('display.unicode.east_asian_width', True)

df = pd.DataFrame(data=data, index=index, columns=columns)

print(df)

print("================================")

df_max = df.max()

print(df_max)

print("================================")

df_min = df.min()

print(df_min)

[](

)median() 中位数

import pandas as pd

data = [[110, 120, 110], [130, 130, 131], [115, 120, 130]]

columns = ['语文', '数学', '英语']

df = pd.DataFrame(data=data, columns=columns)

print(df)

print("================================")

print(df.median())

[](

)

mming.blog.csdn.net/article/details/123238672)mode() 众数

import pandas as pd

data = [[110, 120, 110], [130, 130, 130], [130, 120, 130]]

columns = ['语文', '数学', '英语']

df = pd.DataFrame(data=data, columns=columns)

print(df)

三科成绩的众数

print(df.mode())

每一行的众数

print(df.mode(axis=1))

“数学”的众数

print(df['数学'].mode())

[](

)var() 方差

import pandas as pd

data = [[110, 113, 102, 105, 108], [118, 98, 119, 85, 118]]

index = ['小黑', '小白']

columns = ['物理 1', '物理 2', '物理 3', '物理 4', '物理 5']

df = pd.DataFrame(data=data, index=index, columns=columns)

print(df)

print("========================================")

print(df.var(axis=1))

[](

)std() 标准差

import pandas as pd

data = [[110, 120, 110], [130, 130, 130], [130, 120, 130]]

columns = ['语文', '数学', '英语']

df = pd.DataFrame(data=data, columns=columns)

print(df)

print("=============================")

print(df.std())

[](

)quantile() 分位数

以 35%分位数为例

import pandas as pd

创建 DataFrame 数据（数学成绩）

data = [120, 89, 98, 78, 65, 102, 112, 56, 79, 45]

columns = ['数学']

df = pd.DataFrame(data=data, columns=columns)

print(df)

print("============================")

计算 35%的分位数

x = df['数学'].quantile(0.35)

输出淘汰学生

print(df[df['数学'] <= x])

关于其他数据类型，如 Timestamp，也可以使用分位数 quantile()方法。

（1）Python 所有方向的学习路线（新版）

这是我花了几天的时间去把 Python 所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python 学习视频

包含了 Python 入门、爬虫、数据分析和 web 开发的学习视频，总共 100 多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100 多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。