Pandas 基础（2）—

1. DataFrame 介绍

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。

DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共用一个索引）。

DataFrame 中的数据是以一个或者多个二维块存放的（而不是列表、字典或者别的一维数据结构）

2. DataFrame 使用

2.1 创建 DataFrame

最常用的方法是直接传入一个由等长列表或者 NumPy 数组组成的字典

   In [153]: data = {'city':['beijing','shanghai','guangzhou','shenzhen','chongqing'],...: 'year':[2000,2001,2002,2003,2004],...: 'people':[1.5,1.7,3.6,2.4,2.9]}In [154]: frame = DataFrame(data)In [155]: frameOut[155]: city  people  year0    beijing     1.5  20001   shanghai     1.7  20012  guangzhou     3.6  20023   shenzhen     2.4  20034  chongqing     2.9  2004

可以指定列的显示顺序

   In [159]: frame = DataFrame(data,columns=['year','people','city'])In [160]: frameOut[160]: year  people       city0  2000     1.5    beijing1  2001     1.7   shanghai2  2002     3.6  guangzhou3  2003     2.4   shenzhen4  2004     2.9  chongqing

如果传入的列找不到，就会产生 NaN 值

   In [161]: frame = DataFrame(data,columns=['year','people','city','area'])In [162]: frameOut[162]: year  people       city area0  2000     1.5    beijing  NaN1  2001     1.7   shanghai  NaN2  2002     3.6  guangzhou  NaN3  2003     2.4   shenzhen  NaN4  2004     2.9  chongqing  NaNIn [163]: frame.columnsOut[163]: Index([u'year', u'people', u'city', u'area'], dtype='object')

通过类似字典标记的方式或属性的方式，可以将 DataFrame 的列获取为一个 Series

   In [164]: frame['city']Out[164]: 0      beijing1     shanghai2    guangzhou3     shenzhen4    chongqingName: city, dtype: objectIn [165]: frame.peopleOut[165]: 0    1.51    1.72    3.63    2.44    2.9Name: people, dtype: float64

列可以通过赋值的方式进行修改

   In [166]: frame.area = np.arange(5)In [167]: frameOut[167]: year  people       city  area0  2000     1.5    beijing     01  2001     1.7   shanghai     12  2002     3.6  guangzhou     23  2003     2.4   shenzhen     34  2004     2.9  chongqing     4

将列表或者数组赋值给某个列时，其长度必须跟 DataFrame 的长度相匹配。如果赋值的是一个 Series，就会精确匹配 DataFrame 的索引，所有的空位都将被填上缺失值。

   In [168]: val = Series([100,200,300],index=[0,2,4])In [169]: frame['area'] = valIn [170]: frameOut[170]: year  people       city   area0  2000     1.5    beijing  100.01  2001     1.7   shanghai    NaN2  2002     3.6  guangzhou  200.03  2003     2.4   shenzhen    NaN4  2004     2.9  chongqing  300.0

为不存在的列赋值会创建出一个新列，可以使用关键字 del 删除列

   In [171]: frame['bool_value'] = frame.city == 'shenzhen'In [172]: frameOut[172]: year  people       city   area  bool_value0  2000     1.5    beijing  100.0       False1  2001     1.7   shanghai    NaN       False2  2002     3.6  guangzhou  200.0       False3  2003     2.4   shenzhen    NaN        True4  2004     2.9  chongqing  300.0       FalseIn [173]: del frame.bool_value---------------------------------------------------------------------------AttributeError                            Traceback (most recent call last)<ipython-input-173-cc8fbbe0efd2> in <module>()----> 1 del frame.bool_valueAttributeError: bool_valueIn [174]: del frame['bool_value']In [175]: frame.columnsOut[175]: Index([u'year', u'people', u'city', u'area'], dtype='object')

另外一种常见的数据形式是嵌套字典，将一个嵌套字典传给 DataFrame，它就会被解释为：外层字典的键作为列，内层键则作为行索引。

   In [180]: people = {'beiijng':{2000:1.5,2001:1.7,2002:3.6},...: 'shanghai':{2000:1.2,2001:1.3,2002:1.8}}In [181]: frame2 = DataFrame(people)In [182]: frame2Out[182]: beiijng  shanghai2000      1.5       1.22001      1.7       1.32002      3.6       1.8# 对其进行转置In [183]: frame2.TOut[183]: 2000  2001  2002beiijng    1.5   1.7   3.6shanghai   1.2   1.3   1.8

如果设置了 DataFrame 的 index 和 columns 的 name 属性，则这些信息会显示出来

   In [187]: frame2.index.name = 'year'In [188]: frame2.columns.name = 'city'In [189]: frame2Out[189]: city  beiijng  shanghaiyear                   2000      1.5       1.22001      1.7       1.32002      3.6       1.8# values 属性会以二维 ndarray 形式返回 DataFrame 中的数据In [190]: frame2.valuesOut[190]: array([[1.5, 1.2],[1.7, 1.3],[3.6, 1.8]])

下图给出了 DataFrame 构造函数所能接受的各种数据

2.2 索引对象

构建 Series 或 DataFrame 时，所用到的任何数组或其他序列的标签都会转换成一个 index

   In [191]: obj = Series(range(3), index=['a','b','c'])In [192]: index = obj.indexIn [193]: indexOut[193]: Index([u'a', u'b', u'c'], dtype='object')In [194]: index[1:]Out[194]: Index([u'b', u'c'], dtype='object')

index 对象必须是不可修改的，这样才能保证 index 对象在多个数据结构之间安全共享

   In [195]: index = pd.Index(np.arange(3))In [196]: indexOut[196]: Int64Index([0, 1, 2], dtype='int64')In [197]: obj2 = Series(range(3), index=index)In [198]: obj2Out[198]: 0    01    12    2dtype: int64In [199]: obj2.index is indexOut[199]: True

   In [200]: frame2Out[200]: city  beiijng  shanghaiyear                   2000      1.5       1.22001      1.7       1.32002      3.6       1.8In [202]: 'shanghai' in frame2.columnsOut[202]: TrueIn [203]: 2003 in frame2.indexOut[203]: False

Pandas 基础（2）—— DataFrame相关推荐

Pandas基础复习-DataFrame
数据类型-DataFrame DataFrame是由多个Series数据列组成的表格数据类型,每行Series值都增加了一个共用的索引既有行索引,又有列索引行索引,表明不同行,横向索引,叫inde ...
dataframe两个表合并_Part25:Pandas基础(Series,DataFrame类的创建、索引、切片、算术方法)...
一.为什么学习pandas numpy已经可以帮助我们进行数据的处理了,那么学习pandas的目的是什么呢? numpy能够帮助我们处理的是数值型的数据,当然在数据分析中除了数值型的数据还有好多其他类 ...
pandas基础(part2)--DataFrame
学习笔记,这个笔记以例子为主. 开发工具:Spyder 文章目录数据框DateFrame 数据结构操作(举例) 列访问列添加列删除行访问行添加行删除修改DataFrame中的数据 Dat ...
利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍一、pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包，主
利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍一.pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主要目 ...
Pandas基础：文件读取与写入、Series和Dataframe、常用基本函数、排序
文章目录一.文件读取与写入 1.读取 (a)csv格式 (b)txt格式 (c)xls或xlsx格式 2. 写入 (a)csv格式 (b)xls或xlsx格式二.基本数据结构 1.Series ( ...
快乐学习Pandas入门篇：Pandas基础
Datawhale学习作者:杨煜,Datawhale成员寄语:本文对Pandas基础内容进行了梳理,从文件读取与写入.Series及DataFrame基本数据结构.常用基本函数及排序四个模块快速入 ...
pandas object转float_数据分析篇 | Pandas基础用法6【完结篇】
这是最后一篇,至此Pandas系列终于连载完了,有需要的也可以看看前面6篇,尽请收藏. 数据分析篇 | Pandas 概览数据分析篇 | Pandas基础用法1数据分析篇 | Pandas基础用法2 ...
Numpy与Pandas基础
Numpy与Pandas基础 Cyczz 计算机小白关注他 1 人赞同了该文章本文包括: 一维数据分析二维数据分析一.一维数组 Numpy的一维数组(array) 创建一个一维数组,参数传入 ...
Pandas简明教程：二、Pandas基本数据结构-DataFrame与Series
文章目录 1.什么是表格? 2.DataFrame类型 3.Series类型本系列教程教程完整目录: 1.什么是表格? 月份姓名性别应发工资实发工资职位 0 1 张三男 2000 150 ...
【Python】Pandas基础：结构化数据处理
python:Pandas基础:结构化数据处理目录: 文章目录 @[toc] 一 pandas及其重要性二 pandas的数据结构介绍 1 Series 2 DataFrame 3 索引对象三 ...

Pandas 基础（2）—— DataFrame

1. DataFrame 介绍

2. DataFrame 使用

2.1 创建 DataFrame

2.2 索引对象

Pandas 基础（2）—— DataFrame相关推荐

最新文章

热门文章

Pandas 基础 （2）—— DataFrame

1. DataFrame 介绍

2. DataFrame 使用

2.1 创建 DataFrame

2.2 索引对象

Pandas 基础 （2）—— DataFrame相关推荐

最新文章

热门文章

Pandas 基础（2）—— DataFrame

Pandas 基础（2）—— DataFrame相关推荐