Python数据分析基础学习笔记（3）--Pandas和DataFrame（百职帮自用）

1. DataFrame的概念

定义：

DataFrame，中文叫数据框。是pandas模块最常用的数据类型，是一个二维的矩阵数据表。

一个DataFrame，它由3部分组成：

既有行索引（index），可以用来定位到具体的某一行。

也有列索引（columns），用来定位到具体的某一列。

通过index和columns，可以定位到一个值，能快速进行数据的筛选和定位。

在某种程度上，可以认为DataFrame是“具有相同index的Series的集合”。

因此，DataFrame的同一列中，值的数据类型相同。

但是，列和列之间的数据类型可以不同。

同样的，和Series类似，DataFrame的行索引index是可以选择性定义的。

如果没有定义index，index就会默认从0开始生成。

2. 构造一个DataFrame

1.传入字典

import pandas as pd 

data= {'rank':[1, 2, 3, 4],'GDP':[80855, 77388, 68024, 47251]}
city= ['GD','JS','SD','ZJ']

df= pd.DataFrame(data, index=city)

print(df)

这几行代码，构造了一个DataFrame。

第1行，导入pandas模块。
第3行，定义了一个字典。
第4行，定义了一个列表。
第6行，使用DataFrame构造函数创建了一个DataFrame，并赋值给了变量df。
第8行，将这个创建的DataFrame输出。

在构造过程中：字典中的keys，就成为了DataFrame中的列索引columns。

字典中的values，就成为了DataFrame中的值values。

参数index用于定义DataFrame的行索引(index)。
只需要将一个列表赋值给参数index。

示例中，我们将定义的列表city赋值给参数index。
city中的值，会成为DataFrame的index。

若不传入参数index，那么生成的DataFrame的index就会默认从0开始生成。

将pd.DataFrame()函数创建的DataFrame，赋值给了df这个变量。

将df输出可以看到，它是一个DataFrame对象：

列索引（columns）是由字典data的的keys组成；
值（values）是由字典data的的值组成；
行索引（index）是由列表city的值组成。

2. 传入列表

除了字典外，我们还可以用列表的方式构造一个DataFrame。

如图，列表的数据依次成为DataFrame的values。

此时，参数data是嵌套列表，没有自定义columns。

生成的DataFrame的columns会默认从0开始生成。

也就是说，参数data传入的是列表时，需要在pd.DataFrame()函数内使用参数columns，用于自定义列索引columns。

3. DataFrame的常用属性

DataFrame的属性，与Series非常相似。

同样的，我们学习DataFrame的3种常用属性：

1. dtypes

我们知道，DataFrame对象有多列数据，数据类型也是：字符串型、整型、浮点型、布尔型。

我们访问DataFrame对象的dtypes属性，会返回DataFrame对象每一列的数据类型。

2. values

我们访问DataFrame对象的values属性，会以数组的形式返回DataFrame对象的值values。

import pandas as pd
# 定义一个字典和一个列表
data = {'rank':[1, 2, 3, 4],'GDP':[80855, 77388, 68024, 47251]}
city = ['GD','JS','SD','ZJ']

# 使用DataFrame构造函数，传入参数：字典data作为values和columns，列表city作为index
# 构造出的DataFrame赋值给df
df = pd.DataFrame(data, index=city)


# 用print输出变量df的每一列数据的值
print(df.values)

3. index

同理，我们访问DataFrame的index属性，可以获取它的行索引index。

示例中，我们通过访问DataFrame对象的index属性，返回了变量df的行索引index，将其输出。

根据输出可以看到，返回了变量df的索引index，即变量city所存储的列表的值。

import pandas as pd
data = {'rank':[1, 2, 3, 4],'GDP':[80855, 77388, 68024, 47251]}

city = ['GD','JS','SD','ZJ']
df = pd.DataFrame(data, index=city)

#用print输出变量df的行索引
print(df.index)

4. DataFrame的轴

因为DataFrame是一个二维的数据结构。

因此，它有一个新的属性：轴（axis）。

轴(axis)，是用来为超过一维的数组定义属性。

二维数组有两个轴，三维数组有三个轴，以此类推。

对于DataFrame而言：

第0轴垂直向下，即axis=0是垂直方向进行操作；

第1轴水平向右，即axis=1是水平方向进行操作。

如果要按行或者按列来对DataFrame内的数据进行求和，可以使用sum()函数。

那么在sum()函数中，就可以使用axis参数来指定求和的方向。

右侧展示了：

当axis=0时，是在垂直的方向上进行求和操作；

当axis=1时，是在水平的方向上进行求和操作。