Python Pandas中的数据框架属性

在这篇文章中，我们将讨论一个数据框架的不同属性。属性是数据框架的属性，可以用来获取数据或与特定数据框架相关的任何信息。

编写属性的语法是：

DataFrame_name.attribute

这些是数据框架的属性：

index
columns
axes
dtypes
size
shape
ndim
empty
T
values

index

在DataFrame中有两种类型的索引，一种是行索引，另一种是列索引。索引属性用于显示数据框架对象的行标签。行标签可以是0,1,2,3,…形式，也可以是名称。

语法: dataframe_name.index

例子1：当索引在数据框架中没有提到时

# Python program to implement
# index attribute in a dataframe object
import pandas as pd
 
# creating a 2D dictionary
dict = {"Student": ["Arnav", "Neha",
                    "Priya", "Rahul"],
        "Marks": [85, 92, 78, 83],
        "Sports": ["Cricket", "Volleyball",
                   "Hockey", "Badminton"]}
 
# creating a DataFrame
df = pd.DataFrame(dict)
 
# printing this DataFrame on the
# output screen
display(df)
 
# Implementing index attribute on
# this DataFrame
print(df.index)

输出:

Python Pandas中的数据框架属性

在这个程序中，我们从一个二维字典中制作了一个DataFrame，然后在输出屏幕上打印这个DataFrame，在程序的最后，我们实现了一个索引属性（df.index）来打印这个DataFrame的索引标签。由于我们在这个程序中没有提到任何索引标签，它将自动从0到n个数字中获取索引，其中n是行数，然后打印在输出屏幕上。

例子2：当索引在一个数据框架中被提及时

# Python program to implement
# index attribute in a dataframe object
import pandas as pd
 
# creating a 2D dictionary
dict = {"Student": ["Arnav", "Neha",
                    "Priya", "Rahul"],
        "Marks": [85, 92, 78, 83],
        "Sports": ["Cricket", "Volleyball",
                   "Hockey", "Badminton"]}
 
# creating a DataFrame
df = pd.DataFrame(dict, index=['I', 'II', 'III', 'IV'])
 
# printing this DataFrame on the
# output screen
display(df)
 
# Implementing index attribute on
# this DataFrame
print(df.index)

输出:

Python Pandas中的数据框架属性

在这个程序中，我们从一个二维字典中制作了一个DataFrame，然后在输出屏幕上打印这个DataFrame，在程序的最后，我们实现了索引属性（df.index）来打印这个DataFrame的索引标签，因为我们在这个程序中提到的索引标签是I、II、III和IV，所以它将在输出屏幕上打印相同的内容。

columns

该属性用于获取特定数据框架中的列的标签值。

语法: dataframe_name.columns

# Python program to implement
# columns attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22, 'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing index attribute for this
# data frame
print(data_frame.columns)

输出:

Python Pandas中的数据框架属性

在这个程序中，我们从一个2D字典中制作了一个DataFrame，其值为字典对象，然后在输出屏幕上打印这个DataFrame，在程序的最后，我们实现了print(data_frame.columns)的列属性来打印这个DataFrame的列标签。在这个程序中，列标签是 “市场和销售”，所以它将打印相同的内容。

axes

当我们想一次获取所有行标签和所有列标签的值时，就会用到这个属性。

语法: dataframe_name.axes

# Python program to implement
# axes attribute in a dataframe object
import pandas as pd
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha', 'Age': 22,
                      'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing axes attribute for this data frame
print(data_frame.axes)

输出:

Python Pandas中的数据框架属性

在这个程序中，我们从一个2D字典中制作了一个DataFrame，其值为字典对象，然后在输出屏幕上打印这个DataFrame。在程序的最后，我们实现了print(data_frame.axes)的axes属性，以打印这个DataFrame的列标签和行标签。

dtypes

这个属性的目的是显示一个特定数据框架的每一列的数据类型。

语法: dataframe_name.dtypes

# Python program to implement
# dtypes attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22, 'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing dtypes attribute for this
# data frame
print(data_frame.dtypes)
 
# Now we will create another dataframe of same
# data type in a particular column
print("..Another data frame..")
 
# Creating a 2D dictionary
dict2 = {"Student": ["Arnav", "Neha",
                     "Priya", "Rahul"],
         "Marks": [85, 92, 78, 83],
         "Sports": ["Cricket", "Volleyball",
                    "Hockey", "Badminton"]}
 
# Creating another data frame object
data_frame = pd.DataFrame(dict2)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing dtypes attribute for this
# data frame
print(data_frame.dtypes)

输出:

Python Pandas中的数据框架属性

在这个程序中，我们从一个2D字典中制作了两个DataFrame，其值为字典对象，然后在输出屏幕上打印这些DataFrame。在每个DataFrame的末尾，我们实现了print(data_frame.dtypes)的 “dtypes “属性，以打印两个DataFrame的每一列的数据类型。

size

该属性用于显示数据框架中存在的元素或项目的总数。

语法: dataframe_name.size

# Python program to implement
# size attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22, 'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing size attribute for this data frame
print("The total number of elements are:")
print(data_frame.size)

输出:

Python Pandas中的数据框架属性

在这个程序中，我们从一个具有字典对象值的2D字典中制作了一个DataFrame，然后在输出屏幕上打印这个DataFrame。在程序的最后，我们实现了print(data_frame.size)的size属性，以打印这个DataFrame的元素或项目总数。在这个数据框架中，总共有6个元素，其中3个元素来自第一列，3个来自第二列。

shape

这个属性用于显示一个特定数据框架的行和列的总数。例如，如果我们在一个数据框中有3行2列，那么形状将是（3,2）。

语法: dataframe_name.shape

# Python program to implement
# shape attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22, 'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing shape attribute for this data frame
print("Shape of the DataFrame:")
print(data_frame.shape)

输出:

Python Pandas中的数据框架属性

在这个程序中，我们从一个2D字典中制作了一个DataFrame，其值为字典对象，然后在输出屏幕上打印这个DataFrame。在程序的最后，我们实现了print(data_frame.shape)的shape属性来打印这个DataFrame的行数和列数。在他的DataFrame中，有3行和2列，所以它将打印（3,2）。

ndim

ndim指的是维数，这个属性用来显示一个特定数据框架的维数，一个DataFrame是由2维对象组成的。

语法: dataframe_name.ndim

# Python program to implement
# ndim attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam', 'Age': 23,
                  'Gender': 'Male'},
        "Marketing": {'Name': 'Neha', 'Age': 22,
                      'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing ndim attribute for this data frame
print("Number of Dimensions:")
print(data_frame.ndim)

输出:

Python Pandas中的数据框架属性

在这个程序中，我们从一个2D字典中制作了一个DataFrame，它的值是字典对象，然后在输出屏幕上打印这个DataFrame。在程序的最后，我们实现了print(data_frame.ndim)的ndim属性来打印这个DataFrame的尺寸数。我们知道DataFrame是一个2维的对象，所以它将打印2。

empty

该属性用于检查数据框是否为空。如果数据框是空的，该属性返回真，如果数据框不是空的，则返回假。

语法: dataframe_name.empty

# Python program to implement
# empty attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23,
                  'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22,
                      'Gender': 'Female'}}
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing empty attribute for this data frame
print("Is this DataFrame empty?")
print(data_frame.empty)
 
# Now we will create another dataframe
print("..Another data frame..")
 
# Creating a 2D empty dictionary
dict2 = {}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict2)
 
# printing this DataFrame on output screen
display(data_frame)
 
# Implementing empty attribute for this data frame
print("Is this DataFrame empty?")
print(data_frame.empty)

输出:

Python Pandas中的数据框架属性

在这个程序中，我们从一个2D字典中制作了两个DataFrame，其值为字典对象，然后在输出屏幕上打印这些DataFrame。在每个DataFrame的末尾，我们实现了一个print(data_frame.empty)的 “空 “属性，以检查DataFrame是否为空。在这个程序中，第一个DataFrame不是空的，所以它将打印 “False”，第二个DataFrame是空的，所以它将打印 “True”。

T (Transpose)

该属性用于将行改为列，将列改为行。

语法: dataframe_name.T

# Python program to implement T
# attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23,
                  'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22,
                      'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing T attribute for this data frame
print("Transpose of this DataFrame is:")
print(data_frame.T)

输出:

Python Pandas中的数据框架属性

在这个程序中，我们从一个2D字典中制作了一个DataFrame，其值为字典对象，然后在输出屏幕上打印这个DataFrame。在程序的最后，我们实现了print(data_frame.T)的 “T “属性，以打印这个DataFrame的转置。转置意味着DataFrame的所有行将被改变为列，反之亦然。

values

该属性用于以NumPy数组形式表示数据框架的值/数据。

语法: dataframe_name.values

# Python program to implement values
# attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23,
                  'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22,
                      'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing values attribute for this data frame
print("NumPy Array form of this DataFrame is:")
print(data_frame.values)

输出:

Python Pandas中的数据框架属性