Pandas DataFrame

Pandas DataFrame基本操作

DataFrame是二維數(shù)據(jù)結(jié)構(gòu)，即，數(shù)據(jù)以表格形式在行和列中對齊。

DataFrame的功能

潛在的列是不同類型的大小可變標記的軸（行和列）可以對行和列執(zhí)行算術(shù)運算

結(jié)構(gòu)體

pandas.Series

Series結(jié)構(gòu)如下：

讓我們假設(shè)我們正在使用學(xué)生的數(shù)據(jù)創(chuàng)建一個數(shù)據(jù)框架。

我們可以將其視為SQL表或電子表格數(shù)據(jù)表示形式。

pandas.DataFrame

可以使用以下構(gòu)造函數(shù)創(chuàng)建pandas DataFrame-

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

參數(shù)說明：

data:數(shù)據(jù)采用各種形式，例如ndarray，系列，映射，列表，dict，常量以及另一個DataFrame。 index:對于行標簽，如果沒有傳遞索引，則用于結(jié)果幀的索引是Optional Default np.arange(n)。 columns:對于列標簽，可選的默認語法為-np.arange(n)。僅當未傳遞索引時才如此。 dtype:每列的數(shù)據(jù)類型。 copy:如果默認值為False，則此命令（或任何它的命令）用于復(fù)制數(shù)據(jù)。

創(chuàng)建DataFrame

可以使用各種輸入來創(chuàng)建pandas DataFrame-

Lists dict Series Numpy ndarrays 另一個DataFrame

在本章的后續(xù)部分中，我們將看到如何使用這些輸入來創(chuàng)建DataFrame。

創(chuàng)建空DataFrame

可以創(chuàng)建基本DataFrame是Empty Dataframe。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 import pandas as pd
 df = pd.DataFrame()
 print(df)

運行結(jié)果：

 Empty DataFrame
 Columns: []
 Index: []

從Lists創(chuàng)建DataFrame

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 import pandas as pd
 data = [1,2,3,4,5]
 df = pd.DataFrame(data)
 print(df)

運行結(jié)果：

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 import pandas as pd
 data = [['Alex',10],['Bob',12],['Clarke',13]]
 df = pd.DataFrame(data,columns=['Name','Age'])
 print(df)

運行結(jié)果：

       Name     Age
 0     Alex     10
 1     Bob      12
 2     Clarke   13

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 import pandas as pd
 data = [['Alex',10],['Bob',12],['Clarke',13]]
 df = pd.DataFrame(data,columns=['Name','Age'],dtype=float)
 print df

運行結(jié)果：

 
      Name   Age
 0    Alex   10.0
 1    Bob    12.0
 2    Clarke 13.0

注意：dtype參數(shù)將Age列的類型更改為浮點。

從ndarrays / List的Dict創(chuàng)建一個DataFrame

所有ndarray的長度必須相同。如果傳遞了index，則索引的長度應(yīng)等于數(shù)組的長度。
如果沒有傳遞索引，則默認情況下，索引將是range(n)，其中n是數(shù)組長度。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 import pandas as pd
 data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
 df = pd.DataFrame(data)
 print(df)

運行結(jié)果：

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

注意：遵守值0、1、2、3。它們是使用功能范圍(n)分配給每個對象的默認索引。

我們使用數(shù)組創(chuàng)建索引的DataFrame。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 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)

運行結(jié)果：

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

注意：index參數(shù)為每行分配一個索引。

從字典列表創(chuàng)建DataFrame

字典列表可以作為輸入數(shù)據(jù)傳遞以創(chuàng)建DataFrame。默認情況下，字典鍵被用作列名。
下面的示例演示如何通過傳遞字典列表來創(chuàng)建DataFrame。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 import pandas as pd
 data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
 df = pd.DataFrame(data)
 print(df)

運行結(jié)果：

     a b c
 0 1 2 NaN
 1 5 10 20.0

注意：NaN（非數(shù)字）會附加在缺失區(qū)域中。

下面的示例演示如何通過傳遞字典列表和行索引來創(chuàng)建DataFrame。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 import pandas as pd
 data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
 df = pd.DataFrame(data, index=['first', 'second'])
 print(df)

運行結(jié)果：

          a b c
 first 1 2 NaN
 second 5 10 20.0

下面的示例演示如何創(chuàng)建包含字典，行索引和列索引的列表的DataFrame。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 import pandas as pd
 data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
 # 有兩個列索引，值與字典鍵相同
 df1 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])
 # 有兩個列索引
 df2 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b1'])
 print(df1)
 print(df2)

運行結(jié)果：

 #df1 output
       a b
 first 1 2
 second 5 10
 #df2 output
       a b1
 first 1 NaN
 second 5 NaN

注意：df2 DataFrame是使用除字典鍵以外的列索引創(chuàng)建的；因此，將NaN附加到位。而df1是使用與字典鍵相同的列索引創(chuàng)建的，因此添加了NaN。

從Dict Series創(chuàng)建DataFrame

可以傳遞系列字典以形成DataFrame。結(jié)果索引是所有通過的系列索引的并集。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 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)

運行結(jié)果：

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

對于第一個系列，沒有傳遞標簽'd'，但是結(jié)果是，對于d標簽，NaN附加了NaN。
現(xiàn)在讓我們通過示例了解列的選擇，添加和刪除。

列查詢

我們將從DataFrame中選擇一列來了解這一點。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 
 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'])

運行結(jié)果：

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

列添加

我們將通過在現(xiàn)有數(shù)據(jù)框中添加新列來了解這一點。

示例

# Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 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)
 #通過傳遞新序列，向具有列標簽的現(xiàn)有 DataFrame 對象添加新列
 print ("通過作為 Series 傳遞添加新列:")
 df['three']=pd.Series([10,20,30],index=['a','b','c'])
 print df
 print ("使用 DataFrame 中的現(xiàn)有列添加新列:")
 df['four']=df['one']+df['three']
 print(df)

運行結(jié)果：

 通過作為 Series 傳遞添加新列:
 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
 使用 DataFrame 中的現(xiàn)有列添加新列:
 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

列刪除

可以刪除或彈出列；讓我們以一個實例來了解如何。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 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)

運行結(jié)果：

 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

行查詢、添加和刪除

現(xiàn)在，我們將通過示例了解行的選擇，添加和刪除。讓我們從選擇的概念開始。

按標簽查詢

可以通過將行標簽傳遞給loc函數(shù)來選擇行。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 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'])

運行結(jié)果：

 
   one 2.0
 two 2.0
 Name: b, dtype: float64

結(jié)果是一系列帶有標簽作為DataFrame列名稱的系列。并且，系列的名稱是用來檢索它的標簽。

通過整數(shù)位置查詢

結(jié)可以通過將整數(shù)位置傳遞給iloc函數(shù)來選擇行。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 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])

運行結(jié)果：

 
   one 3.0
 two 3.0
 Name: c, dtype: float64

切片行

可以使用'：'運算符選擇多行。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 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])

運行結(jié)果：

 
     one two
 c 3.0 3
 d NaN 4

添加行

使用append函數(shù)將新行添加到DataFrame中。此函數(shù)將在末尾追加行。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 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)

運行結(jié)果：

刪除行

使用索引標簽從DataFrame中刪除或刪除行。如果標簽重復(fù)，則將刪除多行。
如果您觀察到，在上面的示例中，標簽是重復(fù)的。讓我們刪除一個標簽，將看到將刪除多少行。

示例

 # Filename : pandas.py
 # author by : www.soo66.com 
 # 導(dǎo)入pandas依賴包并起別名
 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)

運行結(jié)果：

在上面的示例中，刪除了兩行，因為這兩行包含相同的標簽0。

Pandas SQL操作 Pandas Series

Pandas 教程

Pandas DataFrame

pandas.Series

pandas.DataFrame

創(chuàng)建DataFrame

創(chuàng)建空DataFrame

從Lists創(chuàng)建DataFrame

從ndarrays / List的Dict創(chuàng)建一個DataFrame

從字典列表創(chuàng)建DataFrame

從Dict Series創(chuàng)建DataFrame

列查詢

列添加

列刪除

行查詢、添加和刪除

按標簽查詢

通過整數(shù)位置查詢

切片行

添加行

刪除行