学习笔记,这个笔记以例子为主。
开发工具:Spyder
文章目录
- 列访问
- 列添加
- 列删除
- 行访问
- 行添加
- 行删除
- 修改DataFrame中的数据
- DataFrame常用属性
数据框DateFrame
DataFrame是一个类似于表格的数据类型,可以理解为一个二维数组,索引有两个维度,可更改。
- DataFrame的特点
①列可以是不同的类型
②大小可变
③标记轴(行和列)
④可以对行和列执行算术运算
- 语法
import numpy as np
import pandas as pd
#创建一个空的DataFrame对象
df = pd.DataFrame()
#从列表创建DataFrame
data = [['A', 9], ['B', 12], ['C', 15]]
df = pd.DataFrame(data)
#从字典创建DataFrame
data = [{'A':1, 'B':2},
{'A':3, 'B':4, 'C':5}]
df = pd.DataFrame(data)
- 例子1(列表构造方式)
代码1:
import numpy as np
import pandas as pd
#从列表创建DataFrame
data = [['Ada', 9], ['Black', 12], ['Jack', 15]]
df = pd.DataFrame(data)
print(df)
结果1:
0 1
0 Ada 9
1 Black 12
2 Jack 15
代码2(设置列名):
data = [['Ada', 9], ['Black', 12], ['Jack', 15]]
df = pd.DataFrame(data, columns = ['name', 'age'])
print(df)
print('-'*10)
print(df.dtypes)
结果2:
name age
0 Ada 9
1 Black 12
2 Jack 15
----------
name object
age int64
dtype: object
代码3(设置数据类型):
data = [['Ada', 9], ['Black', 12], ['Jack', 15]]
df = pd.DataFrame(data,
columns = ['name', 'age'],
dtype = float)
print(df)
print('-'*10)
print(df.dtypes)
结果3:
name age
0 Ada 9.0
1 Black 12.0
2 Jack 15.0
----------
name object
age float64
dtype: object
- 例子2(字典构造方式)
代码1:
import pandas as pd
data = {'name':['Ada', 'Tom','Black', 'Jack'],
'age':[9, 19, 12, 15]}
df = pd.DataFrame(data)
print(df)
结果1:
age name
0 9 Ada
1 19 Tom
2 12 Black
3 15 Jack
备注:字典无序,所以构成dataframe类型时,列会自动的按照列名的首字母排序
代码2(设置行名):
df = pd.DataFrame(data,
index = ['A', 'B', 'C', 'D'])
print(df)
结果2:
age name
A 9 Ada
B 19 Tom
C 12 Black
D 15 Jack
代码3:
df = pd.DataFrame(data,
index = pd.date_range(
'2020-01-01', periods = 4))
print(df)
结果3:
age name
2020-01-01 9 Ada
2020-01-02 19 Tom
2020-01-03 12 Black
2020-01-04 15 Jack
- 例子3(字典的其他构造方式)
代码1:
import pandas as pd
data = [{'A':1, 'B':2},
{'A':3, 'B':4, 'C':5}]
df = pd.DataFrame(data)
print(df)
结果1:
A B C
0 1 2 NaN
1 3 4 5.0
代码2:
import pandas as pd
data = {'A':pd.Series([1, 2, 3], index = ['one', 'two', 'three']),
'B':pd.Series([1, 2, 3, 4], index = ['one', 'two', 'three', 'four'])}
df = pd.DataFrame(data)
print(df)
结果2:
A B
four NaN 4
one 1.0 1
three 3.0 3
two 2.0 2
数据结构操作(举例)
列访问
DataFrame的单列数据为一个Series。根据DataFrame的定义可以知晓DataFrame是一个带有标签的二维数组,每个标签相当每一列的列名。
- 例子
①访问单列
代码:
import pandas as pd
data = {'A':pd.Series([1, 2, 3], index = ['one', 'two', 'three']),
'B':pd.Series([1, 2, 3, 4], index = ['one', 'two', 'three', 'four']),
'C':pd.Series([6, 7, 8, 9], index = ['one', 'two', 'three', 'four'])}
df = pd.DataFrame(data)
#print('-'*10)
print(df['A'], '\n',type(df['A']))
结果:
four NaN
one 1.0
three 3.0
two 2.0
Name: A, dtype: float64
<class 'pandas.core.series.Series'>
②访问多列
代码:
import pandas as pd
data = {'A':pd.Series([1, 2, 3], index = ['one', 'two', 'three']),
'B':pd.Series([1, 2, 3, 4], index = ['one', 'two', 'three', 'four']),
'C':pd.Series([6, 7, 8, 9], index = ['one', 'two', 'three', 'four'])}
df = pd.DataFrame(data)
print(df[['C', 'B']])
结果:
C B
four 9 4
one 6 1
three 8 3
two 7 2
列添加
DataFrame添加一列的方法非常简单,只需要新建一个列索引。并对该索引下的数据进行赋值操作即可。
- 例子
代码:
import pandas as pd
data = {'name':['Ada', 'Tom','Black', 'Jack'],
'age':[9, 19, 12, 15]}
df = pd.DataFrame(data,
index = ['a1', 'a2', 'a3', 'a4'])
df['weight'] = pd.Series([8, 4, 5, 6],
index = ['a1', 'a2', 'a3', 'a4'])
print(df)
结果:
age name weight
a1 9 Ada 8
a2 19 Tom 4
a3 12 Black 5
a4 15 Jack 6
列删除
删除某列数据需要用到pandas提供的方法pop()。
- 例子
代码:
import pandas as pd
data = {'name':['Ada', 'Tom','Black', 'Jack'],
'age':[9, 19, 12, 15],
'weight':[8, 4, 5, 6],
'hight':[20, 35, 30, 33]}
df = pd.DataFrame(data,
index = ['a1', 'a2', 'a3', 'a4'])
print(df)
print('-'*20)
#del 方法,删除一列
del(df['weight'])
print(df)
print('-'*20)
#pop方法,删除一列
df.pop('hight')
print(df)
结果:
age hight name weight
a1 9 20 Ada 8
a2 19 35 Tom 4
a3 12 30 Black 5
a4 15 33 Jack 6
--------------------
age hight name
a1 9 20 Ada
a2 19 35 Tom
a3 12 30 Black
a4 15 33 Jack
--------------------
age name
a1 9 Ada
a2 19 Tom
a3 12 Black
a4 15 Jack
行访问
- 例子1(切片
:
)
代码:
import pandas as pd
data = {'name':['Ada', 'Tom','Black', 'Jack'],
'age':[9, 19, 12, 15],
'weight':[8, 4, 5, 6],
'hight':[20, 35, 30, 33]}
df = pd.DataFrame(data,
index = ['a1', 'a2', 'a3', 'a4'])
print(df)
print('-'*20)
print(df[1:3])
结果:
age hight name weight
a1 9 20 Ada 8
a2 19 35 Tom 4
a3 12 30 Black 5
a4 15 33 Jack 6
--------------------
age hight name weight
a2 19 35 Tom 4
a3 12 30 Black 5
- 例子2(
loc
方法)
loc方法是针对DataFrame索引名称的切片方法,在下面的例子中,我们演示一下loc方法的使用。
代码:
import pandas as pd
data = {'name':['Ada', 'Tom','Black', 'Jack'],
'age':[9, 19, 12, 15],
'weight':[8, 4, 5, 6],
'hight':[20, 35, 30, 33]}
df = pd.DataFrame(data,
index = ['a1', 'a2', 'a3', 'a4'])
print(df)
print('-'*20)
print(df.loc['a2'], '\n',type(df.loc['a2']))
print('-'*20)
print(df.loc[['a1', 'a3']])
结果:
age hight name weight
a1 9 20 Ada 8
a2 19 35 Tom 4
a3 12 30 Black 5
a4 15 33 Jack 6
--------------------
age 19
hight 35
name Tom
weight 4
Name: a2, dtype: object
<class 'pandas.core.series.Series'>
--------------------
age hight name weight
a1 9 20 Ada 8
a3 12 30 Black 5
备注:只获取一行,则拿到的是Series。
- 例子3(
iloc
方法)
iloc方法和loc区别是iloc接受的必须是行索引和列索引的下标,在下面的例子中,我们演示一下loc方法的使用。
代码:
import pandas as pd
data = {'name':['Ada', 'Tom','Black', 'Jack'],
'age':[9, 19, 12, 15],
'weight':[8, 4, 5, 6],
'hight':[20, 35, 30, 33]}
df = pd.DataFrame(data,
index = ['a1', 'a2', 'a3', 'a4'])
print(df.iloc[2])
print('-'*20)
print(df.iloc[[1, 3]])
结果:
age 12
hight 30
name Black
weight 5
Name: a3, dtype: object
--------------------
age hight name weight
a2 19 35 Tom 4
a4 15 33 Jack 6
行添加
- 例子
代码:
import pandas as pd
df1 = pd.DataFrame([['Huang', 7], ['Bai', 8]],
columns = ['name', 'age'])
df2 = pd.DataFrame([['Bunny', 5], ['Tim', 9]],
columns = ['name', 'age'])
print(df1)
print('-'*15)
df = df1.append(df2)
print(df)
print('-'*15)
print(df.loc[0])
结果:
name age
0 Huang 7
1 Bai 8
---------------
name age
0 Huang 7
1 Bai 8
0 Bunny 5
1 Tim 9
---------------
name age
0 Huang 7
0 Bunny 5
由结果可知,进行行添加后,行标会出现重复的状况,如果按照行标进行行查询,则可能会找到多行数据。我们可以重建索引,解决索引重复问题。
行删除
使用索引标签从DataFrame中删除或者删除行。如果标签重复,则会删除多行。
- 例子
代码:
import pandas as pd
df1 = pd.DataFrame([['Huang', 7], ['Bai', 8]],
columns = ['name', 'age'])
df2 = pd.DataFrame([['Bunny', 5], ['Tim', 9]],
columns = ['name', 'age'])
df = df1.append(df2)
print(df)
print('-'*15)
#删除index为1的行
df = df.drop(1)
print(df)
结果:
name age
0 Huang 7
1 Bai 8
0 Bunny 5
1 Tim 9
---------------
name age
0 Huang 7
0 Bunny 5
修改DataFrame中的数据
更改DataFrame中的数据,原理是将要修改的这部分数据提取出来,重新赋值为新的数据.
- 例子
代码:
import pandas as pd
df = pd.DataFrame([['Huang', 7], ['Bai', 8],
['Black', 9]],
columns = ['name', 'age'])
print(df)
print('-'*15)
df['name'][2] = 'Tim'
print(df)
备注:df["Name"][2]
是先拿到name列(Series类型),再拿到第3行。
结果:
name age
0 Huang 7
1 Bai 8
2 Black 9
---------------
name age
0 Huang 7
1 Bai 8
2 Tim 9
DataFrame常用属性
编号 | 属性或方法 | 描述 |
1 | | 返回 行/列 标签(index)列表。 |
2 | | 返回对象的数据类型( |
3 | | 如果Series为空,则返回 |
4 | | 返回底层数据的维数,默认定义: |
5 | | 返回基础数据中的元素数。 |
6 | | 将系列作为 |
7 | | 返回前 |
8 | | 返回最后 |
- 例子
代码:
import pandas as pd
data = {'name':['Ada', 'Tom','Black', 'Jack'],
'age':[9, 19, 12, 15],
'weight':[8, 4, 5, 6],
'hight':[20, 35, 30, 33]}
df = pd.DataFrame(data,
index = ['a1', 'a2', 'a3', 'a4'])
print(df, '\n')
print(df.axes, '\n')
print(df['age'].dtype, '\n')
print(df.empty, '\n')
print(df.ndim, '\n')
print(df.size, '\n')
print(df.values, '\n')
print(df.head(3), '\n') # df的前三行
print(df.tail(3), '\n') # df的后三行
结果:
age hight name weight
a1 9 20 Ada 8
a2 19 35 Tom 4
a3 12 30 Black 5
a4 15 33 Jack 6
[Index(['a1', 'a2', 'a3', 'a4'], dtype='object'), Index(['age', 'hight', 'name', 'weight'], dtype='object')]
int64
False
2
16
[[9 20 'Ada' 8]
[19 35 'Tom' 4]
[12 30 'Black' 5]
[15 33 'Jack' 6]]
age hight name weight
a1 9 20 Ada 8
a2 19 35 Tom 4
a3 12 30 Black 5
age hight name weight
a2 19 35 Tom 4
a3 12 30 Black 5
a4 15 33 Jack 6
- 例子2(describe)
代码1:
import pandas as pd
data = {'name':['Ada', 'Tom','Black', 'Jack', 'Bai'],
'age':[9, 19, 12, 15, 10],
'weight':[8, 4, 5, 6, 7],
'hight':[20, 35, 30, 33, 28]}
df = pd.DataFrame(data,
index = ['a1', 'a2', 'a3', 'a4', 'a5'])
print(df.describe())
结果1:
age hight weight
count 5.000000 5.00000 5.000000
mean 13.000000 29.20000 6.000000
std 4.062019 5.80517 1.581139
min 9.000000 20.00000 4.000000
25% 10.000000 28.00000 5.000000
50% 12.000000 30.00000 6.000000
75% 15.000000 33.00000 7.000000
max 19.000000 35.00000 8.000000
由结果可知,df.describe()
将数值型数据的统计量计算出来了。
代码2:
print(df.describe(include = ['object']))
结果2:
name
count 5
unique 5
top Jack
freq 1
由结果可知,df.describe(include = [“object”])
是对分类型(这里不是很确定,标记一下) 的数据进行描述性统计分析。
代码3:
print(df.describe(include = ['number']))
结果3:
age hight weight
count 5.000000 5.00000 5.000000
mean 13.000000 29.20000 6.000000
std 4.062019 5.80517 1.581139
min 9.000000 20.00000 4.000000
25% 10.000000 28.00000 5.000000
50% 12.000000 30.00000 6.000000
75% 15.000000 33.00000 7.000000
max 19.000000 35.00000 8.000000
由结果可知df.describe(include = [“number”])
是对数值型的数据进行描述性统计分析,上述结果与结果1相同。
代码4:
print(df.describe(include = ['number', 'object']))
结果4:
age hight name weight
count 5.000000 5.00000 5 5.000000
unique NaN NaN 5 NaN
top NaN NaN Bai NaN
freq NaN NaN 1 NaN
mean 13.000000 29.20000 NaN 6.000000
std 4.062019 5.80517 NaN 1.581139
min 9.000000 20.00000 NaN 4.000000
25% 10.000000 28.00000 NaN 5.000000
50% 12.000000 30.00000 NaN 6.000000
75% 15.000000 33.00000 NaN 7.000000
max 19.000000 35.00000 NaN 8.000000
结果4基本上可以说,是结果2和结果3的堆叠。