极客教程Python Pandas DataFrame
DataFrame是一个二维数据结构，即数据以行和列的方式以表格形式对齐。
DataFrame的特点
- 可能存在不同类型的列
- 大小可变
- 带有标签的轴（行和列）
- 可以对行和列进行算术运算
结构
让我们假设我们正在创建一个学生数据的DataFrame。
你可以把它看作是一个SQL表或者一个电子表格的数据表示。
pandas.DataFrame
可以使用以下构造器创建pandas DataFrame：
pandas.DataFrame( data, index, columns, dtype, copy)
构造函数的参数如下所示：
| 序号 | 参数和描述 |
|---|---|
| 1 | 数据（data） 数据可以是各种形式，如ndarray、series、map、lists、dict、constants和另一个DataFrame。 |
| 2 | 索引（index） 用于行标签的索引，如果没有传递索引，则默认为np.arange(n)。 |
| 3 | 列标签（columns） 用于列标签的可选默认语法是np.arange(n)，仅当没有传递索引时才成立。 |
| 4 | 数据类型（dtype） 每列的数据类型。 |
| 5 | 复制（copy） 如果默认值为False，则用于复制数据的命令（或其他命令）。 |
创建DataFrame
可以使用不同的输入来创建pandas DataFrame，如−
- 列表
- 字典
- 系列
- Numpy ndarrays
- 另一个DataFrame
在本章的后续部分中，我们将看到如何使用这些输入来创建DataFrame。
创建一个空的DataFrame
可以创建一个基本的空DataFrame。
示例
#import the pandas library and aliasing as pd
import pandas as pd
df = pd.DataFrame()
print df
输出结果如下：
Empty DataFrame
Columns: []
Index: []
从列表创建DataFrame
可以使用单个列表或列表的列表来创建DataFrame。
示例1
import pandas as pd
data = [1,2,3,4,5]
df = pd.DataFrame(data)
print df
其输出结果如下：
0
0 1
1 2
2 3
3 4
4 5
示例2
import pandas as pd
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'])
print df
它的 输出 如下所示−
Name Age
0 Alex 10
1 Bob 12
2 Clarke 13
示例3
import pandas as pd
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'],dtype=float)
print df
它的 输出 如下所示−
Name Age
0 Alex 10.0
1 Bob 12.0
2 Clarke 13.0
注意 − 注意， dtype 参数将Age列的类型更改为浮点型。
从字典的ndarrays /列表创建DataFrame
所有的 ndarray 必须具有相同的长度。如果传递了索引，则索引的长度应与数组的长度相等。
如果不传递索引，则默认情况下，索引将是range(n)，其中 n 是数组的长度。
示例1
import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data)
print df
它的 输出 如下所示：
Age Name
0 28 Tom
1 34 Jack
2 29 Steve
3 42 Ricky
注意 - 观察值0,1,2,3。它们是使用函数range(n)被分配给每个默认索引。
示例2
现在让我们使用数组创建一个索引化的DataFrame。
import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])
print df
它的 输出 如下所示−
Age Name
rank1 28 Tom
rank2 34 Jack
rank3 29 Steve
rank4 42 Ricky
注意 - 请注意， index 参数为每一行指定了一个索引。
从字典列表创建DataFrame
可以将字典列表作为输入数据来创建DataFrame。字典的键默认被作为列名。
示例1
下面的示例展示了如何通过传递字典列表来创建一个DataFrame。
import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print df
它的输出如下：
a b c
0 1 2 NaN
1 5 10 20.0
注意 − 注意，在缺失的区域中会添加NaN（非数字）。
示例2
以下例子展示了如何通过传递一个字典列表和行索引来创建DataFrame。
import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data, index=['first', 'second'])
print df
它的 输出 如下：
a b c
first 1 2 NaN
second 5 10 20.0
示例3
下面的示例显示了如何使用字典列表、行索引和列索引创建一个DataFrame。
import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
#With two column indices, values same as dictionary keys
df1 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])
#With two column indices with one index with other name
df2 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b1'])
print df1
print df2
输出的结果如下：
#df1 output
a b
first 1 2
second 5 10
#df2 output
a b1
first 1 NaN
second 5 NaN
Note − 观察，df2 DataFrame是使用除字典键以外的列索引创建的；因此，NaN被追加在原位。而df1是使用与字典键相同的列索引创建的，所以NaN被追加。
从Series字典创建DataFrame
可以将Series字典传递给构建DataFrame。结果索引是传递的所有Series索引的并集。
示例
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print df
它的 输出 如下：
one two
a 1.0 1
b 2.0 2
c 3.0 3
d NaN 4
Note - 观察一系列中，没有传递标签 ‘d’，但结果中，对于标签 ‘d’，NaN 被添加到 NaN中。
让我们通过示例来了解 列选择、添加和删除 。
列选择
我们将通过从 DataFrame 中选择列来理解这一点。
示例
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print df ['one']
它 输出的结果是 如下所示−
a 1.0
b 2.0
c 3.0
d NaN
Name: one, dtype: float64
列相加
我们将通过给现有数据框添加一列来理解这个概念。
示例
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
# Adding a new column to an existing DataFrame object with column label by passing new series
print ("Adding a new column by passing as Series:")
df['three']=pd.Series([10,20,30],index=['a','b','c'])
print df
print ("Adding a new column using the existing columns in DataFrame:")
df['four']=df['one']+df['three']
print df
它的 输出 如下：
Adding a new column by passing as Series:
one two three
a 1.0 1 10.0
b 2.0 2 20.0
c 3.0 3 30.0
d NaN 4 NaN
Adding a new column using the existing columns in DataFrame:
one two three four
a 1.0 1 10.0 11.0
b 2.0 2 20.0 22.0
c 3.0 3 30.0 33.0
d NaN 4 NaN NaN
列删除
列可以被删除或弹出；让我们举一个例子来理解。
示例
# Using the previous DataFrame, we will delete a column
# using del function
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']),
'three' : pd.Series([10,20,30], index=['a','b','c'])}
df = pd.DataFrame(d)
print ("Our dataframe is:")
print df
# using del function
print ("Deleting the first column using DEL function:")
del df['one']
print df
# using pop function
print ("Deleting another column using POP function:")
df.pop('two')
print df
它的 输出 如下所示：
Our dataframe is:
one three two
a 1.0 10.0 1
b 2.0 20.0 2
c 3.0 30.0 3
d NaN NaN 4
Deleting the first column using DEL function:
three two
a 10.0 1
b 20.0 2
c 30.0 3
d NaN 4
Deleting another column using POP function:
three
a 10.0
b 20.0
c 30.0
d NaN
行选择、添加和删除
现在我们通过示例来了解行选择、添加和删除。让我们从选择的概念开始。
按标签选择
通过将行标签传递给一个 loc 函数可以选择行。
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print df.loc['b']
它的 输出 如下-
one 2.0
two 2.0
Name: b, dtype: float64
结果是一个带有DataFrame的列名为标签的系列。而且，系列的名称就是用于检索的标签。
根据整数位置进行选择
可以通过将整数位置传递给iloc函数来选择行。
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print df.iloc[2]
它的 输出 如下所示-
one 3.0
two 3.0
Name: c, dtype: float64
选择行
可以使用“:”运算符选择多行。
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print df[2:4]
它的 输出 如下：
one two
c 3.0 3
d NaN 4
添加行
使用 append 函数将新行添加到DataFrame中。该函数将在末尾附加行。
import pandas as pd
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
df = df.append(df2)
print df
它的 输出 如下：
a b
0 1 2
1 3 4
0 5 6
1 7 8
删除行
使用索引标签从DataFrame中删除行。如果标签重复，则会删除多行。
观察上面的例子，标签是重复的。让我们删除一个标签，看看会删除多少行。
import pandas as pd
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
df = df.append(df2)
# Drop rows with label 0
df = df.drop(0)
print df
它的 输出 如下所示 –
a b
1 3 4
1 7 8
在上面的例子中，有两行被删除了，因为这两个行包含相同的标签0。