python之pandas （2 创建数据及选择数据）-CSDN博客

本文链接：https://blog.csdn.net/2301_80199493/article/details/141228108

创建数据

在1中提到，pandas的核心数据结构为Series和DataFrame。现在来说一下这两个数据结构该如何创建。

import pandas as pd  
import numpy as np
s=pd.Series([1,3,6,np.nan,44])
print(s)

Series可以看成一维的DataFrame，利用pd.Series 即可创建该数据结构。

在 Pandas 中,Series对象类似于 NumPy 中的一维数组，但是与它不同的是，Series对象可以存储任意数据类型（包括整数、浮点数、字符串、Python 对象等），并且它还支持自动对齐数据索引的功能。

创建DataFrame：

import pandas as pd
data = [
    ['Tom', 20, 'New York'],
    ['Jane', 21, 'Paris'],
    ['Alice', 19, 'Berlin'],  
    ['Mike', 18, 'London']
]
columns = ['Name', 'Age', 'City']
dates=pd.date_range('20240812',periods=4)
df = pd.DataFrame(data, columns=columns,index=dates)
print(df)

             Name  Age      City
2024-08-12    Tom   20  New York
2024-08-13   Jane   21     Paris
2024-08-14  Alice   19    Berlin
2024-08-15   Mike   18    London
请按任意键继续. . .

创建DataFrame可利用pd.DataFrame创建。该方法有data，columns，index等参数。data指数据内容，columns指数据的属性（即列名），index指属性的行名。在该DataFrame中，index是一系列日期，利用了date_range创建了日期数组，而columns是三个属性：Name，Age和City. 在这种创建方式中data是一个矩阵，这个矩阵就是数据的核心内容（并不包括行名和列名）。除了这种方式，还可以利用字典的方式创建：

import pandas as pd
data = {'Name': ['Tom', 'Jane', 'Alice', 'Mike'],  
        'Age': [20, 21, 19, 18],  
        'City': ['New York', 'Paris', 'Berlin', 'London']}
df = pd.DataFrame(data,index=range(1,5))
print(df)

    Name  Age      City
1    Tom   20  New York
2   Jane   21     Paris
3  Alice   19    Berlin
4   Mike   18    London
请按任意键继续. . .

在这种利用字典创建的方式中，键是列名，值是那一列所对应的内容。这种键值对构成的字典来作为data传入参数中。

选择数据

选择DataFrame数据结构的部分数据的方法非常简单，类似于c语言中的二维数组，也类似于numpy中选择矩阵中的数据。

因为这种数据结构每一列、每一行都有列名和行名，我们可以利用名字去选择；除此之外也可以利用它的位置去选择。

import pandas as pd
data = {'Name': ['Tom', 'Jane', 'Alice', 'Mike'],  
        'Age': [20, 21, 19, 18],  
        'City': ['New York', 'Paris', 'Berlin', 'London']}
df = pd.DataFrame(data,index=range(1,5))
print(df.Name)#选择某一列
print(df[0:3])#选择某一行或某几行

df[0:3] 表示前两行，但是不能df[1][1],如果想这样表示，应使用df.iloc[1,1]

df.Name 利用名字标签去选择某一列，但此形式不能用df.行名去选择

import pandas as pd
data = {'Name': ['Tom', 'Jane', 'Alice', 'Mike'],  
        'Age': [20, 21, 19, 18],  
        'City': ['New York', 'Paris', 'Berlin', 'London']}
dates=pd.date_range('20240812',periods=4)
df = pd.DataFrame(data,index=dates)
print(df.loc[:,['Name','City']])
print(df.loc['20240812',:])

             Name      City
2024-08-12    Tom  New York
2024-08-13   Jane     Paris
2024-08-14  Alice    Berlin
2024-08-15   Mike    London
Name         Tom
Age           20
City    New York
Name: 2024-08-12 00:00:00, dtype: object
请按任意键继续. . .

如果想利用标签去选择某一行或某一行或某一列，可以使用df.loc方法。

利用位置选择：

import pandas as pd
data = {'Name': ['Tom', 'Jane', 'Alice', 'Mike'],  
        'Age': [20, 21, 19, 18],  
        'City': ['New York', 'Paris', 'Berlin', 'London']}
dates=pd.date_range('20240812',periods=4)
df = pd.DataFrame(data,index=dates)
print(df.iloc[0:2,[0,1]])
print(df[df.Age>18])#不建议使用这个，df.loc[df.Age>18,:]这样会更好

            Name  Age
2024-08-12   Tom   20
2024-08-13  Jane   21
             Name  Age      City
2024-08-12    Tom   20  New York
2024-08-13   Jane   21     Paris
2024-08-14  Alice   19    Berlin
请按任意键继续. . .

注意df.iloc[ , ]两个参数都可以是切片，而切片表示的均为左闭右开。例如上边的0:2，其实只有第0行和第一行。另外，还可以使用df.Age>18这种形式，它其实返回的是哪些行的Age大于18（返回的是标签，所以后边是用df.loc不是df.iloc），然后外边一个df即返回了符合条件的某些行。不建议使用这个，可以将其改写成df.loc[df.Age>18,:]