Pandas详解二之DataFrame对象

约定

import pandas as pd
from pandas import DataFrame
import numpy as np

DataFrame

DataFrame是一个表格型的数据结构，既有行索引（保存在index）又有列索引（保存在columns）。

一、DataFrame对象常用属性：

• 创建DateFrame方法有很多（后面再介绍），最常用的是直接传入一个由等长列表或Numpy组成的字典：

dict1={"Province":["Guangdong","Beijing","Qinghai","Fujiang"],
      "year":[2018]*4,
      "pop":[1.3,2.5,1.1,0.7]}
df1=DataFrame(dict1)
df1

代码结果：

	Province	pop	year
0	Guangdong	1.3	2018
1	Beijing	2.5	2018
2	Qinghai	1.1	2018
3	Fujiang	0.7	2018

• 同Series一样，也可在创建时指定序列（对于字典中缺失的用NaN）：

df2=DataFrame(dict1,columns=['year','Province','pop','debt'],index=['one','two','three','four'])
df2

代码结果：

	year	Province	pop	debt
one	2018	Guangdong	1.3	NaN
two	2018	Beijing	2.5	NaN
three	2018	Qinghai	1.1	NaN
four	2018	Fujiang	0.7	NaN

• 同Series一样，DataFrame的index和columns有name属性：

df2

代码结果：

	year	Province	pop	debt
one	2018	Guangdong	1.3	NaN
two	2018	Beijing	2.5	NaN
three	2018	Qinghai	1.1	NaN
four	2018	Fujiang	0.7	NaN

df2.index.name='English'
df2.columns.name='Province'
df2

代码结果：

Province	year	Province	pop	debt
English
one	2018	Guangdong	1.3	NaN
two	2018	Beijing	2.5	NaN
three	2018	Qinghai	1.1	NaN
four	2018	Fujiang	0.7	NaN

• 通过shape属性获取DataFrame的行数和列数：

df2.shape

代码结果：

(4, 4)

• values属性也会以二维ndarray的形式返回DataFrame的数据：

df2.values

代码结果：

array([[2018, 'Guangdong', 1.3, nan],
       [2018, 'Beijing', 2.5, nan],
       [2018, 'Qinghai', 1.1, nan],
       [2018, 'Fujiang', 0.7, nan]], dtype=object)

• 列索引会作为DataFrame对象的属性：

df2.Province

代码结果：

English
one      Guangdong
two        Beijing
three      Qinghai
four       Fujiang
Name: Province, dtype: object

二、DataFrame对象常见存取、赋值和删除方式：

• DataFrame_object[ ] 能通过列索引来存取，当只有一个标签则返回Series，多于一个则返回DataFrame：

df2['Province']

代码结果： English one Guangdong two Beijing three Qinghai four Fujiang Name: Province, dtype: object

df2[['Province','pop']]

代码结果：

Province	Province	pop
English
one	Guangdong	1.3
two	Beijing	2.5
three	Qinghai	1.1
four	Fujiang	0.7

• DataFrame_object.loc[ ] 能通过行索引来获取指定行：

df2.loc['one']

代码结果：

Province
year             2018
Province    Guangdong
pop               1.3
debt              NaN
Name: one, dtype: object

df2.loc['one':'three']

代码结果：

Province	year	Province	pop	debt
English
one	2018	Guangdong	1.3	NaN
two	2018	Beijing	2.5	NaN
three	2018	Qinghai	1.1	NaN

• 还可以获取单值：

df2.loc['one','Province']

代码结果：

'Guangdong'

• DataFrame的列可以通过赋值（一个值或一组值）来修改：

df2["debt"]=np.arange(2,3,0.25)
df2

代码结果：

Province	year	Province	pop	debt
English
one	2018	Guangdong	1.3	2.00
two	2018	Beijing	2.5	2.25
three	2018	Qinghai	1.1	2.50
four	2018	Fujiang	0.7	2.75

• 为不存在的列赋值会创建一个新的列，可通过del来删除：

df2['eastern']=df2.Province=='Guangdong'
df2

代码结果：

Province	year	Province	pop	debt	eastern
English
one	2018	Guangdong	1.3	2.00	True
two	2018	Beijing	2.5	2.25	False
three	2018	Qinghai	1.1	2.50	False
four	2018	Fujiang	0.7	2.75	False

del df2['eastern']
df2.columns

代码结果：

Index(['year', 'Province', 'pop', 'debt'], dtype='object', name='Province')

• 当然，还可以转置：

df2.T

English	one	two	three	four
Province
year	2018	2018	2018	2018
Province	Guangdong	Beijing	Qinghai	Fujiang
pop	1.3	2.5	1.1	0.7
debt	2	2.25	2.5	2.75

三、多种创建DataFrame方式

• 调用DataFrame()可以将多种格式的数据转换为DataFrame对象，它的的三个参数data、index和columns分别为数据、行索引和列索引。data可以是：

1 二维数组

df3=pd.DataFrame(np.random.randint(0,10,(4,4)),index=[1,2,3,4],columns=['A','B','C','D'])
df3

代码结果：

	A	B	C	D
1	9	8	4	6
2	5	7	7	4
3	6	3	0	2
4	4	6	9	8

2 字典

行索引由index决定，列索引由字典的键决定

dict1

代码结果：

{'Province': ['Guangdong', 'Beijing', 'Qinghai', 'Fujiang'],
 'pop': [1.3, 2.5, 1.1, 0.7],
 'year': [2018, 2018, 2018, 2018]}

df4=pd.DataFrame(dict1,index=[1,2,3,4])
df4

代码结果：

	Province	pop	year
1	Guangdong	1.3	2018
2	Beijing	2.5	2018
3	Qinghai	1.1	2018
4	Fujiang	0.7	2018

3 结构数组

其中列索引由结构数组的字段名决定

arr=np.array([('item1',10),('item2',20),('item3',30),('item4',40)],dtype=[("name","10S"),("count",int)])
df5=pd.DataFrame(arr)
df5

代码结果：

	name	count
0	b’item1’	10
1	b’item2’	20
2	b’item3’	30
3	b’item4’	40

• 此外可以调用from_开头的类方法，将特定的数据转换为DataFrame对象。例如from_dict()，其orient参数指定字典键对应的方向，默认为”columns”:

dict2={"a":[1,2,3],"b":[4,5,6]}
df6=pd.DataFrame.from_dict(dict2)
df6

代码结果：

	a	b
0	1	4
1	2	5
2	3	6

df7=pd.DataFrame.from_dict(dict2,orient="index")
df7

代码结果：

	0	1	2
a	1	2	3
b	4	5	6

四、将DataFrame对象转换为其他格式的数据

• to_dict()方法将DataFrame对象转换为字典，参数orient决定字典元素的类型：

df7.to_dict()

代码结果：

{0: {'a': 1, 'b': 4}, 1: {'a': 2, 'b': 5}, 2: {'a': 3, 'b': 6}}

df7.to_dict(orient="records")

代码结果：

[{0: 1, 1: 2, 2: 3}, {0: 4, 1: 5, 2: 6}]

df7.to_dict(orient="list")

代码结果：

{0: [1, 4], 1: [2, 5], 2: [3, 6]}

• 类似的还有to_records()、to_csv()等

谢谢大家的浏览，
希望我的努力能帮助到您，
共勉！