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。

Python Pandas 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：

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：

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