Pandas库——DataFrame入门

文章目录

一.简介
二.创建
- 1.python字典型
- 2.嵌套list/numpy的多维数组
- 3.文件读取
三.操作
- 1.索引的赋值
- 2.查看
- 3.添加
- 4.修改
- 5.删除

一.简介

DataFrame是一个二维的表格型结构，可以视为Series的容器，规定每一列所有元素的数据类型必须相同，不同列的元素数据类型可以不同

DataFrame有行索引和列索引（或者称为行标签、列标签），分别可以用index和columns进行查看

库的导入：

import  numpy as np
import pandas as pd

二.创建

DataFrame的创建有两种方法：

一是通过对其他已经存在的数据结构进行转化得到的，最简单直接的方法就是利用DataFrame（对象）函数进行转化

支持转化的数据结构包括dict、list、numpy的ndarray等等

二是读取excel、csv等文件

1.python字典型

python中的字典型是由键值对组成的，值将作为DataFrame的内容，键将作为列索引

dict={"时间":pd.date_range("20200101",periods=7),"新增感染人数":[1,8,4,0,0,3,2],"治愈人数":[3,2,5,4,1,0,1],"死亡人数":[0,0,0,1,0,1,0],
}df=pd.DataFrame(dict)

这是一种比较常用的生成DataFrame的方法

列索引为字典的键，行索引则为从0开始，步长为1的整数序列：

要注意的是，不是所有字典都能进行转化的，要求：

①字典中的’值‘由等长的列表或数组或Series构成，否则会报错：arrays must all be same length

②更严格的说，字典中的值还可以是一个字符串，可以是一个数字，它们会被视为由n个字符串/数字组成的数组（n为其他数组的长度），换言之它们所在的列内容将是全部相同的。

将前例的字典做了一个小的改动："死亡人数":'AB'

③字典的值中必须起码含有一个列表/数组/Series，不能全部是数字、字符串，否则会报错：ValueError: If using all scalar values, you must pass an index

很好理解，前文说过要求所有值是等长的，如果出现字符串或数字这样的标量（scalar values），则会复制n份变成数组，当全部都是标量时，它无法确定要复制几份所以报错了，换言之无法确定要生成的DataFrame行索引是怎么样的

解决办法是通过给index（行索引）赋值，帮助编译器确定要复制几份：

df=pd.DataFrame(dict,index=[1,2])

—————————————————————————————————————

也可以将嵌套字典转化为dataframe，字典的外层键将被作为列索引，内层键作为行索引：

dict={'A':{'a':1,'b':2,'c':3},'B':{'d':[2,6,7],'b':[4,5],}
}
df=pd.DataFrame(dict)

嵌套字典不会对字典的值作出要求，空缺的部分会用Nan来补上：

—————————————————————————————————————

将字典型转化为DataFrame的另外一种方法是通过from_dict函数，例：

df=pd.DataFrame.from_dict(dict)

但是相比之下DataFrame()函数更方便快捷

2.嵌套list/numpy的多维数组

行索引或列索引默认为整数序列：

df=pd.DataFrame([[3,4,5,'6'],[2.1,3.2,4.4,5],[0,1,2,3]])
print(df)

效果如下：

注意：

①若嵌套列表的子列表的长度不相同，空缺的部分会由Nan补上

②嵌套列表的每一个子列表被视为一行。若转化的对象是列表而不是嵌套列表，则每一个元素视为一行

3.文件读取

以读取excel文件为例：

利用函数read_excel将文件中的内容提取到DataFrame中，参数为文件的路径名

字符串前的r是防止字符串中的\被解释为转义字符

df=pd.read_excel(r"C:\Users\93297\Desktop\豆瓣电影数据.xlsx")

三.操作

1.索引的赋值

①可以自己给索引赋值，行索引用index赋值，列索引用columns赋值

df=pd.DataFrame(np.random.rand(5,6))
df.index=pd.date_range("20000101",periods=5)
df.columns=list('ABCDEF')
print(df)