lua二维表和二维表怎么赋值 二维表的基本操作

【Python学习笔记】Pandas库之DataFrame

1 简介

DataFrame是Python中Pandas库中的一种数据结构，它类似excel，是一种二维表。

或许说它可能有点像matlab的矩阵，但是matlab的矩阵只能放数值型值（当然matlab也可以用cell存放多类型数据），DataFrame的单元格可以存放数值、字符串等，这和excel表很像。

同时DataFrame可以设置列名columns与行名index，可以通过像matlab一样通过位置获取数据也可以通过列名和行名定位，具体方法在后面细说。

2 创建DataFrame

首先声明一下，以下都是使用的Python 3.6.5版本为例，Python2应该也差不多吧（大概

在所有操作之前当然要先import必要的pandas库，因为pandas常与numpy一起配合使用，所以也一起import吧。

import pandas as pd
import numpy as np
import pandas as pd
import numpy as np

如果还没安装直接在cmd里pip安装吧，如果有版本选择问题，参看之前的帖子。

pip install pandas
pip install numpy
pip install pandas
pip install numpy

2.1 直接创建

可以直接使用pandas的DataFrame函数创建，比如接下来我们随机创建一个4*4的DataFrame。

df1=pd.DataFrame(np.random.randn(4,4),index=list('ABCD'),columns=list('ABCD'))
df1=pd.DataFrame(np.random.randn(4,4),index=list('ABCD'),columns=list('ABCD'))

其中第一个参数是存放在DataFrame里的数据，第二个参数index就是之前说的行名（或者应该叫索引？），第三个参数columns是之前说的列名。

后两个参数可以使用list输入，但是注意，这个list的长度要和DataFrame的大小匹配，不然会报错。当然，这两个参数是可选的，你可以选择不设置。

而且发现，这两个list是可以一样的，但是每行每列的名字在index或columns里要是唯一的。

使用python自己的shell展示创建的结果是这样的：

或者在jupyter里面更酷点的样子，接下来都使用jupyter输出展示吧。

当然，如果你的数据量贼小，也可以自己输入创建，类似这样。

df2=pd.DataFrame([[1,2,3,4],[2,3,4,5],
                  [3,4,5,6]，[4,5,6,7]],
                 index=list('ABCD'),columns=list('ABCD'))
df2=pd.DataFrame([[1,2,3,4],[2,3,4,5],
                  [3,4,5,6]，[4,5,6,7]],
                 index=list('ABCD'),columns=list('ABCD'))

这样也可以得到这样子的DataFrame：

2.2 使用字典创建

仍然是使用DataFrame这个函数，但是字典的每个key的value代表一列，而key是这一列的列名。比如这样。

dic1={'name':['小明','小红','狗蛋','铁柱'],'age':[17,20,5,40],'gender':['男','女','女','男']}
df3=pd.DataFrame(dic1)
dic1={'name':['小明','小红','狗蛋','铁柱'],'age':[17,20,5,40],'gender':['男','女','女','男']}
df3=pd.DataFrame(dic1)

输出结果是这样的

3 查看与筛选数据

python没有matlab的工作区直接查看变量与内容，这大概是python科学计算的一个缺点。所以需要格外的代码来查看，最基本的直接写变量名与print就不说了。

3.1 查看列的数据类型

使用dtypes方法可以查看各列的数据类型，比如说刚刚的df3。

df3.dtypes
df3.dtypes

输出的结果是这样：

3.2 查看DataFrame的头尾

使用head可以查看前几行的数据，默认的是前5行，不过也可以自己设置。

使用tail可以查看后几行的数据，默认也是5行，参数可以自己设置。

比如随意设置一个6*6的数据，只看前5行。

df4=pd.DataFrame(np.random.randn(6,6))
df4.head()
df4=pd.DataFrame(np.random.randn(6,6))
df4.head()

比如只看前3行。

df4.head(3)
df4.head(3)

比如看后5行。

df4.tail()
df4.tail()

比如只看后2行。

df4.tail(2)
df4.tail(2)

3.3 查看行名与列名

使用index查看行名，columns查看列名。具体由例子感受吧。

查看行名。

df1.index
df1.index

查看列名。

df3.columns
df3.columns

3.4 查看数据值

使用values可以查看DataFrame里的数据值，返回的是一个数组。

比如说查看所有的数据值。

df3.values
df3.values

比如说查看某一列所有的数据值。

df3['name'].values
df3['name'].values

还有另一种操作，使用loc或者iloc查看数据值（但是好像只能根据行来查看？）。区别是loc是根据行名，iloc是根据数字索引（也就是行号）。

比如说这样。

df1.loc['A']
df1.loc['A']

或者这样。

df1.iloc[0]
df1.iloc[0]

按列进行索引查看数据还能直接使用列名，但这种方法对行索引不适用。

df3['name']
df3['name']

3.5 查看行列数

使用shape查看行列数，参数为0表示查看行数，参数为1表示查看列数。

df3.shape[0]
df3.shape[0]

df3.shape[1]
df3.shape[1]

4 基本操作

DataFrame有些方法可以直接进行数据统计，矩阵计算之类的基本操作。

4.1 转置

直接字母T，线性代数上线。

比如说把之前的df2转置一下。

df3.T
df3.T

4.2 描述性统计

使用describe可以对数据根据列进行描述性统计。

比如说对df1进行描述性统计。

df1.describe()
df1.describe()

如果有的列是非数值型的，那么就不会进行统计。

如果想对行进行描述性统计，请参看4.1（转置后进行describe呀！）

4.3 计算

使用sum默认对每列求和，sum(1)为对每行求和。比如

df3.sum()
df3.sum()

可以发现就算元素是字符串，使用sum也会加起来。

df3.sum(1)
df3.sum(1)

而一行中，有字符串有数值则只计算数值。

数乘运算使用apply，比如。

df2.apply(lambda x:x*2)
df2.apply(lambda x:x*2)

如果元素是字符串，则会把字符串再重复一遍。

乘方运算跟matlab类似，直接使用两个*，比如。

df2**2
df2**2

乘方运算如果有元素是字符串的话，就会报错。

4.4 新增

扩充列可以直接像字典一样，列名对应一个list，但是注意list的长度要跟index的长度一致。

df2['E']=['999','999','999','999']
df2
df2['E']=['999','999','999','999']
df2

还可以使用insert，使用这个方法可以指定把列插入到第几列，其他的列顺延。

df2.insert(0,'F',[888,888,888,888])
df2
df2.insert(0,'F',[888,888,888,888])
df2

4.5 合并

使用join可以将两个DataFrame合并，但只根据行列名合并，并且以作用的那个DataFrame的为基准。如下所示，新的df7是以df2的行号index为基准的。

df6=pd.DataFrame(['my','name','is','a'],index=list('ACDH'),columns=list('G'))
df6
df7=df2.join(df6)
df7
df6=pd.DataFrame(['my','name','is','a'],index=list('ACDH'),columns=list('G'))
df6
df7=df2.join(df6)
df7

但是，join这个方法还有how这个参数可以设置，合并两个DataFrame的交集或并集。参数为'inner'表示交集，'outer'表示并集。

df8=df2.join(df6,how='inner')
df8
df9=df2.join(df6,how='outer')
df9
df8=df2.join(df6,how='inner')
df8
df9=df2.join(df6,how='outer')
df9

如果要合并多个Dataframe，可以用list把几个Dataframe装起来，然后使用concat转化为一个新的Dataframe。

df10=pd.DataFrame([1,2,3,4],index=list('ABCD'),columns=['a'])
df11=pd.DataFrame([10,20,30,40],index=list('ABCD'),columns=['b'])
df12=pd.DataFrame([100,200,300,400],index=list('ABCD'),columns=['c'])
list1=[df10.T, df11.T, df12.T]
df13=pd.concat(list1)
df13
df10=pd.DataFrame([1,2,3,4],index=list('ABCD'),columns=['a'])
df11=pd.DataFrame([10,20,30,40],index=list('ABCD'),columns=['b'])
df12=pd.DataFrame([100,200,300,400],index=list('ABCD'),columns=['c'])
list1=[df10.T, df11.T, df12.T]
df13=pd.concat(list1)
df13