Python Pandas DataFrame

数据框是一种二维数据结构，即数据以表格的方式排列在行和列中。

DataFrame的特点

潜在的列是不同类型的
大小 – 可变
标记的轴（行和列）
可以对行和列进行算术运算

结构

让我们假设，我们正在创建一个包含学生数据的数据框。

Python Pandas - DataFrame

你可以把它看成是一个SQL表或电子表格的数据表示。

pandas.DataFrame

可以使用以下构造函数创建pandas DataFrame −

pandas.DataFrame( data, index, columns, dtype, copy)

构造函数的参数如下：

序号	参数和描述
1	data 数据有多种形式，如ndarray, series, map, lists, dict, constants和另一个DataFrame。
2	index 对于行标签，如果没有传递索引，则可选择默认为np.range(n)，用于生成框架的索引。
3	columns 对于列标签，可选的默认语法是 – np.range(n)。只有在没有传递索引的情况下，这才是真的。
4	dtype 每一列的数据类型。
5	copy 这个命令（或者叫什么）是用来复制数据的，如果默认为False。

创建数据框架

pandas DataFrame可以使用各种输入创建，例如 −

列表
数据集
系列
Numpy ndarrays
另一个DataFrame

在本章的后续章节中，我们将看到如何使用这些输入创建一个DataFrame。

创建一个空的数据框架

一个基本的DataFrame可以被创建，它是一个空的DataFrame。

例子

#import the pandas library and aliasing as pd
import pandas as pd
df = pd.DataFrame()
print df

其 输出结果 如下 –

Empty DataFrame
Columns: []
Index: []

从列表中创建一个数据框架

DataFrame可以用一个单一的列表或一个列表来创建。

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 –

例2

import pandas as pd
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'])
print df

其 输出结果 如下 –

      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

其 输出结果 如下 –

      Name     Age
0     Alex     10.0
1     Bob      12.0
2     Clarke   13.0

注意 - 观察一下， dtype 参数将Age列的类型改为浮点。

从ndarrays/Lists的Dict创建一个DataFrame

所有的 ndarrays 必须是相同的长度。如果索引被传递，那么索引的长度应该等于数组的长度。

如果没有传递索引，那么默认情况下，索引将是range(n)，其中 n 是数组长度。

例子1

import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data)
print df

其 输出结果 如下 –

      Age      Name
0     28        Tom
1     34       Jack
2     29      Steve
3     42      Ricky

注意 - 观察数值0,1,2,3。它们是使用函数range(n)分配给每个人的默认索引。

例2

现在让我们使用数组创建一个有索引的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

其 输出结果 如下 –

         Age    Name
rank1    28      Tom
rank2    34     Jack
rank3    29    Steve
rank4    42    Ricky

注意 - 观察一下，索引参数为每一行分配了一个索引。

从Dict列表中创建一个DataFrame

列表中的字典可以作为输入数据被传递来创建一个DataFrame。字典的键默认为列名。

例子1

下面的例子显示了如何通过传递一个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

其 输出结果 如下 –

    a    b      c
0   1   2     NaN
1   5   10   20.0

注意 - 观察一下，NaN（不是一个数字）被附加在缺失的地方。

例2

下面的例子显示了如何通过传递一个字典列表和行索引来创建一个DataFrame。

import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data, index=['first', 'second'])
print df

其 输出结果 如下 –

        a   b       c
first   1   2     NaN
second  5   10   20.0

例3

下面的例子展示了如何创建一个带有字典列表、行索引和列索引的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

其 输出结果 如下 –

#df1 output
         a  b
first    1  2
second   5  10

#df2 output
         a  b1
first    1  NaN
second   5  NaN

注意 - 观察一下，df2 DataFrame创建时的列索引不是字典中的键；因此，在原地追加了NaN。而df1创建时的列索引与字典的键值相同，所以追加了NaN。

从系列的字典中创建一个DataFrame

系列的字典可以被传递来形成一个 DataFrame。结果索引是所有传递的系列索引的联合。

例子

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

其 输出结果 如下 –

      one    two
a     1.0    1
b     2.0    2
c     3.0    3
d     NaN    4

注意 - 观察一下，对于系列一，没有传递标签 ‘d ‘，但在结果中，对于 d 标签，NaN被附加了NaN。

现在让我们通过例子来了解 列的选择、添加 和删除。

列的选择

我们将通过从DataFrame中选择一列来理解这个问题。

例子

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']

其 输出结果 如下 –

a     1.0
b     2.0
c     3.0
d     NaN
Name: one, dtype: float64

列的增加

我们将通过向现有的数据框架添加一个新的列来理解这个问题。

例子

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

其 输出结果 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

列的删除

列可以被删除或弹出；让我们举一个例子来了解如何删除。

例子

# 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

其 输出结果 如下 –

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

行的选择、增加和删除

现在我们将通过实例来理解行选择、增加和删除。让我们从选择的概念开始。

通过标签选择

行可以通过向 loc 函数传递行标签来进行选择。

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']

其 输出结果 如下 –

one 2.0
two 2.0
Name: b, dtype: float64

结果是一个系列，其标签是DataFrame的列名。而且，系列的名称是它被检索的标签。

按整数位置选择

可以通过向 iloc 函数传递整数位置来选择行。

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]

其 输出结果 如下 –

one   3.0
two   3.0
Name: c, dtype: float64

分片排队

使用’:’操作符可以选择多行。

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]

其 输出结果 如下 –

   one  two
c  3.0    3
d  NaN    4

增加行数

使用 append 函数向DataFrame添加新行。这个函数将把行追加到最后。

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

其 输出结果 如下 –

删除行

使用索引标签从DataFrame中删除或删除行。如果标签是重复的，那么多个行将被删除。

如果你观察，在上面的例子中，标签是重复的。让我们删除一个标签，看看有多少行会被删除。

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