Pandas中数据帧(DataFrame)是二维数据结构，即数据以行和列的表格方式排列。 可以视为 SQL 表或电子表格数据表示。
数据帧(DataFrame)的功能特点：
- 潜在的列是不同的类型
- 大小可变
- 标记轴(行和列)
- 可以对行和列执行算术运算
pandas.DataFrame( data, index, columns, dtype, copy)构造函数的参数如下：
data数据采取各种形式，如:ndarray，series，map，lists，dict，constant和另一个DataFrame。index对于行标签，如果没有传递索引值，则结果帧的索引是可选缺省值np.arrange(n)。columns对于列标签，可选的默认语法是np.arange(n)。 这只有在没有索引传递的情况下才是这样。dtype每列的数据类型。copy如果默认值为False，则此命令(或任何它)用于复制数据。
Pandas数据帧(DataFrame)可以使用各种输入创建，如：
- 列表
- 字典
- 系列
- Numpy
ndarrays - 另一个数据帧(DataFrame)
在本章的后续章节中，将看到如何使用这些输入创建数据帧(DataFrame)。
创建基本数据帧是空数据帧。
In [47]:
import pandas as pd
df = pd.DataFrame()
df
Out[47]:
实例-1
In [48]:
data = [1,2,3,4,5]
df = pd.DataFrame(data)
df
Out[48]:
| 0 | |
|---|---|
| 0 | 1 |
| 1 | 2 |
| 2 | 3 |
| 3 | 4 |
| 4 | 5 |
实例-2
In [49]:
import pandas as pd
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'])
df
Out[49]:
| Name | Age | |
|---|---|---|
| 0 | Alex | 10 |
| 1 | Bob | 12 |
| 2 | Clarke | 13 |
实例-3
In [50]:
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'])
仅转换 Age 列为 float
In [51]:
df['Age'] = df['Age'].astype(float)
In [52]:
df
Out[52]:
| Name | Age | |
|---|---|---|
| 0 | Alex | 10.0 |
| 1 | Bob | 12.0 |
| 2 | Clarke | 13.0 |
注意：可以观察到，dtype 参数将 Age 列的类型更改为浮点。
所有的 ndarrays 必须具有相同的长度。如果传递了索引(index)，则索引的长度应等于数组的长度。
如果没有传递索引，则默认情况下，索引将为 range(n) ，其中n为数组长度。
实例-1
In [53]:
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data)
df
Out[53]:
| Name | Age | |
|---|---|---|
| 0 | Tom | 28 |
| 1 | Jack | 34 |
| 2 | Steve | 29 |
| 3 | Ricky | 42 |
注：观察值0,1,2,3。它们是分配给每个使用函数 range(n) 的默认索引。
示例-2
使用数组创建一个索引的数据帧(DataFrame)。
In [54]:
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])
df
Out[54]:
| Name | Age | |
|---|---|---|
| rank1 | Tom | 28 |
| rank2 | Jack | 34 |
| rank3 | Steve | 29 |
| rank4 | Ricky | 42 |
注意：index 参数为每行分配一个索引。
字典列表可作为输入数据传递以用来创建数据帧(DataFrame)，字典键默认为列名。
实例-1
下面示例显示如何通过传递字典列表来创建数据帧(DataFrame)。
In [55]:
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
df
Out[55]:
| a | b | c | |
|---|---|---|---|
| 0 | 1 | 2 | NaN |
| 1 | 5 | 10 | 20.0 |
注意：观察到， NaN (不是数字)被附加在缺失的区域。
示例-2
下面示例显示如何通过传递字典列表和行索引来创建数据帧(DataFrame)。
In [56]:
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data, index=['first', 'second'])
df
Out[56]:
| a | b | c | |
|---|---|---|---|
| first | 1 | 2 | NaN |
| second | 5 | 10 | 20.0 |
实例-3
下面示例显示如何使用字典，行索引和列索引列表创建数据帧(DataFrame)。
In [57]:
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
将两列设为索引，其值与字典键相同
In [58]:
df1 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])
使用两列作为索引，其中一列索引名称不同
In [59]:
df2 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b1'])
print(df1)
a b first 1 2 second 5 10
In [60]:
print(df2)
a b1 first 1 NaN second 5 NaN
注意观察，df2 使用字典键以外的列索引创建DataFrame；因此，附加了 NaN 到位置上。
而 df1 是使用列索引创建的，与字典键相同，所以也附加了 NaN 。
示例
In [61]:
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
df
Out[61]:
| one | two | |
|---|---|---|
| a | 1.0 | 1 |
| b | 2.0 | 2 |
| c | 3.0 | 3 |
| d | NaN | 4 |
注意：对于第一个系列，观察到没有传递标签 d ，
但在结果中，对于 d 标签，附加了 NaN 。
示例
In [62]:
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
df ['one']
Out[62]:
a 1.0 b 2.0 c 3.0 d NaN Name: one, dtype: float64
示例
In [63]:
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
通过传入 Series 为 DataFrame 新增指定列名的列
In [64]:
print ("Adding a new column by passing as Series:")
Adding a new column by passing as Series:
In [65]:
df['three']=pd.Series([10,20,30],index=['a','b','c'])
print(df)
one two three a 1.0 1 10.0 b 2.0 2 20.0 c 3.0 3 30.0 d NaN 4 NaN
In [66]:
print ("Adding a new column using the existing columns in DataFrame:")
Adding a new column using the existing columns in DataFrame:
In [67]:
df['four']=df['one']+df['three']
In [68]:
print(df)
one two three four a 1.0 1 10.0 11.0 b 2.0 2 20.0 22.0 c 3.0 3 30.0 33.0 d NaN 4 NaN NaN
列可以删除或弹出，看看下面的例子来了解一下。
In [69]:
# Using the previous DataFrame, we will delete a column
# using del function
import pandas as pd
In [70]:
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']),
'three' : pd.Series([10,20,30], index=['a','b','c'])}
In [71]:
df = pd.DataFrame(d)
print ("Our dataframe is:")
Our dataframe is:
In [72]:
print(df)
one two three a 1.0 1 10.0 b 2.0 2 20.0 c 3.0 3 30.0 d NaN 4 NaN
In [73]:
# using del function
print ("Deleting the first column using DEL function:")
Deleting the first column using DEL function:
In [74]:
del df['one']
print(df)
two three a 1 10.0 b 2 20.0 c 3 30.0 d 4 NaN
In [75]:
# using pop function
print ("Deleting another column using POP function:")
Deleting another column using POP function:
In [76]:
df.pop('two')
print(df)
three a 10.0 b 20.0 c 30.0 d NaN
In [77]:
import pandas as pd
In [78]:
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
In [79]:
df = pd.DataFrame(d)
print(df.loc['b'])
one 2.0 two 2.0 Name: b, dtype: float64
结果是一系列标签作为DataFrame的列名称。 而且，系列的名称是检索的标签。
按整数位置选择
可以通过将整数位置传递给 iloc() 函数来选择行。参考以下示例代码：
In [80]:
import pandas as pd
In [81]:
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
In [82]:
df = pd.DataFrame(d)
print(df.iloc[2])
one 3.0 two 3.0 Name: c, dtype: float64
In [83]:
import pandas as pd
In [84]:
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
In [85]:
df = pd.DataFrame(d)
print(df[2:4])
one two c 3.0 3 d NaN 4
In [86]:
import pandas as pd
In [87]:
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
df = pd.concat([df, df2], ignore_index=True)
In [88]:
print(df)
a b 0 1 2 1 3 4 2 5 6 3 7 8
In [89]:
import pandas as pd
In [90]:
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
In [91]:
df = pd.concat([df, df2], ignore_index=True)
# Drop rows with label 0
df = df.drop(0)
In [92]:
print(df)
a b 1 3 4 2 5 6 3 7 8
在上面的例子中，一共有两行被删除，因为这两行包含相同的标签。