DataFrame基础

DataFrame基础

1.定义

• DataFrame是一个[表格型]的数据结构，DataFrame由按一定顺序排列的多列数据组成，
• 设计初衷会将Series的使用场景从一维拓展到多维，DataFrame即有行索引，也有列索引
• 行索引：index
• 列索引：cluomns
• 值：values

2.DataFrame的创建

• ndarray创建
• 字典创建

s1=DataFrame(data=[[1,2,3],[4,5,6]],index=['a','b'],columns=['A','B','C'])
s2=DataFrame(data=np.random.randint(0,100,size=(4,8)))

3.DataFrame的属性

• values,columns,index,shape

dic={
    '张三':[120,121,111,122],
    '李四':[1,2,3,4]
}
s3=DataFrame(data=dic,index=['语文','数学','英语','理综'])
s3.values# 值
s3.columns#列索引
s3.index#行索引
s3.shape#形状

4.DataFrame索引操作

• 对行进行索引 df.loc[index]

• 对列进行索引 df[col]

• 对元素进行索引 df.iloc[index,col]

• iloc:通过隐式索引区行

• loc:通过显式索引区行

• 【注意】索引取列，如果索引取列的时候，有显示的列索引，索引取列只可以使用显示索引

s4=DataFrame(data=np.random.randint(0,100,size=(5,4)),index=['a','b','c','d','e'],columns=['A','B','C','D'])
#取一列
s4['A']
s4[['A','B']]#取多列
# 索引取行
s4.iloc[0]#iloc:通过隐式索引区行
s4.loc['a'] #loc:通过显式索引区行
# 索引取值
s4.iloc[0][0]

5.DataFrame切片操作

• 对行进行切片df[index1:index3]
• 对列进行切片df.loc[:,col1:col3]

s4=DataFrame(data=np.random.randint(0,100,size=(5,4)),index=['a','b','c','d','e'],columns=['A','B','C','D'])
# 对行进行切片
s4[0:3]
s4['a':'c']
# 对列进行切片
s4.iloc[:,0:3]
s4.loc[:,'A':'C']

函数

• pd.to_datetime(data[‘date’]) ,数据类型转为时间类型
• data.set_index(‘date’)，设置列索引
• data[‘close’].shift(1),数据整体下移一位
• new_data.resample(‘M’)， 将每年的月份的第一行取出来，取出的索引有bug

6.级联操作

• pd.concat,pd.append

• pandas使用pd.concat函数，与npconcatenate函数类似，只是多了一些参数：

  • objs
  • axis=0
  • keys
  • join=‘outer’/‘inner’:表示级联的方式，outer会将所有的项进行级联
  • （忽略匹配或不匹配），而Inner只会将匹配的项级联到一起，不匹配的不级联
  • ignore_index=False

7.合并操作

• merge与concat的区别在于，merge需要依据某一共同列来进行合并

• 使用pd.merge()合并时，会自动依据两者相同column名称的那一列，作为key来进行合并

• 注意每一列元素的顺序不要求一致

• key的规范化

  • 当列冲突时，即有多个列名称相同时，需要使用on=来指定哪一个列作为key,配合suffixes指定冲突列名

• 当两张表没有可进行连接的列时，可使用left_on和right_n手动指定merge中左右两边的那一列作为连接的列