相当于Excel中的一个Sheet表。
创建方法
典类型读取到DataFrame(dict to DataFrame)
方法一:
直接使用pd.DataFrame(data=test_dict)
即可,括号中的data=
写不写都可以,具体如下:
test_dict = {'id':[1,2,3,4,5,6],'name':['Alice','Bob','Cindy','Eric','Helen','Grace '],'math':[90,89,99,78,97,93],'english':[89,94,80,94,94,90]}
#[1].直接写入参数test_dict
test_dict_df = pd.DataFrame(test_dict)
#[2].字典型赋值
test_dict_df = pd.DataFrame(data=test_dict)
方法二:
使用from_dict
方法:
est_dict_df = pd.DataFrame.from_dict(test_dict)
其他方法:
如果你的dict变量很小,例如{'id':1,'name':'Alice'}
,你想直接写到括号里:
test_dict_df = pd.DataFrame({'id':1,'name':'Alice'}) # wrong style
这样是不行的,会报错ValueError: If using all scalar values, you must pass an index
,是因为如果你提供的是一个标量,必须还得提供一个索引Index,所以你可以这么写:
test_dict_df = pd.DataFrame({'id':1,'name':'Alice'},pd.Index(range(1)))
后面的可以写多个pd.Index(range(3)
,就会生成三行一样的,是因为前面的dict型变量只有一组值,如果有多个,后面的Index必须跟前面的数据组数一致,否则会报错:
pd.DataFrame({'id':[1,2],'name':['Alice','Bob']},pd.Index(range(2))) #must be 2 in range function.
关于选择列,有些时候我们只需要选择dict中部分的键当做DataFrame的列,那么我们可以使用columns参数,例如我们只选择’id’,'name’列:
test_dict_df = pd.DataFrame(data=test_dict,columns=['id','name']) #only choose 'id' and 'name' columns
csv文件构建DataFrame(csv to DataFrame)
方法一:最常用的应该就是pd.read_csv('filename.csv')
了,用 sep
指定数据的分割方式,默认的是','
df = pd.read_csv('./xxx.csv')
如果csv中没有表头,就要加入head
参数
在已有的DataFrame中,增加N列或者N行
添加列
new_columns = [92,94,89,77,87,91]
test_dict_df.insert(2,'pyhsics',new_columns)
#test_dict_df.insert(2,'pyhsics',new_columns,allow_duplicates=True)
此时,就得到了添加好的DataFrame,需要注意的是DataFrame默认不允许添加重复的列,但是在insert函数中有参数allow_duplicates=True
,设置为True后,就可以添加重复的列了,列名也是重复的
添加行
new_line = [7,'Iric',99]
test_dict_df.loc[6]= new_line
当然也可以把这些新的数据构建为一个新的DataFrame,然后两个DataFrame拼起来。可以用append方法,不过不太会用,提供一种方法。
test_dict_df.append(pd.DataFrame([new_line],columns=['id','name','physics']))
查询方法
1、 loc和iloc函数都是用来选择某行的,iloc与loc的不同是:iloc是按照行索引所在的位置来选取数据,参数只能是整数。而loc是按照索引名称来选取数据,参数类型依索引类型而定;
2、 at和iat函数是只能选择某个位置的值,iat是按照行索引和列索引的位置来选取数据的。而at是按照行索引和列索引来选取数据;
3、 loc和iloc函数的功能包含at和iat函数的功能。
1、loc函数
愿意看官方文档的,请戳这里,这里一般最权威。
loc函数是基于“标签”选择数据的,但是也可以接受一个boolean的array。
1.1单个label
接受一个“标签”(label)参数,返回一个Series
test_dict_df.loc[1] #return the row with name 'Bob'
test_dict_df.loc[7] #return the row with name 'Time' important!!!
# type(test_dict_df.loc[1]) #pandas.core.series.Series
1.2一个label的array
test_dict_df.loc[[1,2,4]]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HnJwsb30-1640228256202)(C:\Users\21000123\AppData\Roaming\Typora\typora-user-images\image-20211222192605765.png)]
1.3加入一个切片array
test_dict_df.loc[[1:4]]
1.4 行标签,列标签
test_dict_df.loc[1,'english'] #result:94
1.5行标签或者列标签是切片array
test_dict_df.loc[1:4,'english']
# test_dict_df.loc[1:4,'english':'math']
1.6还可以接受条件,进行选择
例如我们选择英语成绩超过90的所有行
test_dict_df.loc[test_dict_df['english']>90]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-coCHMZQA-1640228256204)(C:\Users\21000123\AppData\Roaming\Typora\typora-user-images\image-20211222192805621.png)]
当然,也可以再条件选择后,再加入列选择,列选择的时候可以单列,也可以是切片数组,通过上面的介绍这里就可以灵活处理:
test_dict_df.loc[test_dict_df['english']>90,'english'] #single label
test_dict_df.loc[test_dict_df['english']>90,'english':'name'] #slice array
test_dict_df.loc[test_dict_df['english']>90,['english','name']] #label array
1.7接受一个boolean的array
可以接受一个boolean的array,相当于按照这个表的真假按照位置的顺序选择值
test_dict_df.loc[[True,False,False,True]]
2.iloc函数
官方文档戳这里。
iloc函数与loc函数不同的是,它接受的是一个数字,代表着要选择数据的位置:
test_dict_df.iloc[6]
这代表我们选择的是第6行,而不是index为6的那一行。当然,也可以接受一个boolean的array,相当于按照这个表的真假按照位置的顺序选择值:
test_dict_df.iloc[[True,False,False,True]]
这里iloc也可以接受切片array:
# test_dict_df.iloc[1:2]
test_dict_df.iloc[[1,2,4]]
3.at函数
at是用来选择单个值的,此时用法类似于loc:
test_dict_df.at[1,'english']
test_dict_df.loc[1,'english']
以上两种方法都能选择到,label为1,列为’english’的那个值,但是据说at速度要快。
4.iat函数
iat函数相对于at函数,就相当于iloc相对于loc函数。iat也只能选择一个值。只不过是用索引位置来选择,注意:行列都是索引位置来选择,从0开始数。
# test_dict_df.iat[1,'english'] #error!!!
test_dict_df.iat[2,2] #right!!!
5.其他多条件查询
1.使用loc的方式
test_dict_df.loc[test_dict_df['english']>90]
test_dict_df.loc[test_dict_df['name'].str.contains('n')] #包含
2.使用query进行查询
test_dict_df.query('math < 90 | name == "Helen"')
test_dict_df.query('math < 90 & english > 92')
test_dict_df.query('math in [99,89] | name == "Helen"')
3.使用本身属性
test_dict_df[(test_dict_df.math< 90) |(test_dict_df.english=="Helen")]
6.查询前几行
df.head(5)
df.iloc[:5]
**注意这里的()不能省略 ,**虽然在Python条件判断中 >、<、== 的优先级要高于 and 和 or ,但是在DataFrame多条件运算中并不是这样
行列删除
1、删除DataFrame某一列
这里我们继续用上一节产生的DataFrame来做例子,原DataFrame如下:
我们使用drop()
函数,此函数有一个列表形参labels,写的时候可以加上labels=[xxx],也可以不加,列表内罗列要删除行或者列的名称,默认是行名称,如果要删除列,则要增加参数axis=1
,操作如下:
#pd.__version__ =='0.18.0'
#drop columns
test_dict_df.drop(['id'],axis=1)
#test_dict_df.drop(columns=['id']) # official operation, maybe my pandas version needs update!
结果如下,对于上面的代码,官方教程文档中给出了columns=['name']
,但是在我测试的时候会报错,我用的python3,pandas版本为0.18,可能是pandas版本太老的缘故。
这里注意输出的结果是执行此方法的结果,而不是输出test_dict_df
的结果,是因为方法默认的并不是在本身执行操作,这时候输出test_dict_df
输出的仍然是没有进行删除操作的原DataFrame,如果你想在原DataFrame上进行操作,需要加上inplace=True
,等价于在操作完再赋值给本身:
test_dict_df.drop(['id'],axis=1,inplace=True)
# test_dict_df = test_dict_df.drop(['id'],axis=1)
2.、删除DataFrame某一行
删除某一行,在上面删除列操作的时候也稍有提及,如果不加axis=1,则默认按照行号进行删除,例如要删除第0行和第4行:
test_dict_df.drop([0,4])
同理,你要在源DataFrame上进行操作就得加上inplace参数,否则不会在test_dict_df上改动。
当然,如果你的DataFrame有很多级,你可以加上level参数,这里就不多赘述了。
修改方法
一、列值修改
1.loc方法修改
loc方法实际上是定位某个位置的数据的,但是定位完以后就可以对此位置的数据进行修改,使用此方法可以对DataFrame进行的修改如下:
- 对某行、某N行进行修改;
- 对某列、某N列进行修改;
- 对横坐标为某行或某N行,纵坐标为某列或者某N列的数据进行修改;
可以看出基本用loc方法我们对DataFrame可以进行任意修改了。
1.1 对某行、某N行进行修改
# 对第1行进行修改
test_dict_df.loc[1:1,('english','id','math','name')]=[90,2,100,'Alice_m']
# 对第0行到第1行进行修改
test_dict_df.loc[0:1,('english','id','math','name')]=[[90,1,100,'Alice_m'],[70,2,100,'Bob']]
# 对第0行和第2行进行修改
test_dict_df.loc[0:3:2,('english','id','math','name')]=[[90,1,100,'Alice_m'],[70,2,100,'Bob']]
可以看出具体的方法就是用loc方法,对某行或者某N行进行定位,然后赋予合适的格式的值就可以了。
1.2 对某列、某N列进行修改
学会了使用loc方法对行的修改,那触类旁通,对列的修改也很简单了。对列修改也就是修改此列的所有行。
# 对第english列进行修改
test_dict_df.loc[:,('english')]=[90,80,70,90,90,59] #test_dict_df.loc[:,'english']=[90,80,70,90,90,59]
# 对第english列和id列进行修改,注意赋值的写法
test_dict_df.loc[:,('english','id')]=[[90,1],[80,2],[80,2],[80,2],[80,2],[80,2]]
1.3 对某个区域的值进行修改
# 对第1、2行的english列和 id列进行修改
test_dict_df.loc[1:2,('english','id')]=[[38,2],[23,2]]
1.4总结
可以看到loc方法就是,只要你能选到某个或者某个区域的值,然后就可以对此部分的值进行修改。但是要注意赋值部分的组织方式。
2.iloc、at、iat方法修改
类比于上面的方式,其实只要能选择,都是可以修改的。
3.直接转换
#时间转换取前几位
df['Date'].str[-4:].astype(int)#pandas特有,效率高一些
#或者
df['Date'].str[-4:].map(int)
4.extract
#使用正则匹配
df['Date'].str.extract('(?P<year>\d{4})').astype(int)
5.lambda
定义函数进行处理
df['Date'] = df['Date'].apply(lambda x: int(str(x)[-4:]))
二、列名的修改
1、直接全部更改
这种方法是对DataFrame的列名进行重新赋值,比较暴力直接。
test_dict_df.columns=['english_new','id_new','math_new','name_new']
2、使用rename方法
这种方法是比较推荐的,通过rename方法,注意参数inplace=True的时候,才能真正的在原来的DataFrame上进行修改。
test_dict_df.rename(columns={'english_new':'english'},inplace=True)
三、索引的修改
1、修改索引名称
上面的rename方法,如果不写columns=xx
就默认修改索引了 。
test_dict_df.rename({0:'english1'},inplace=True)
2、重置索引
通过reset_index()方法我们可以重置索引,drop参数为True时,直接丢弃原来的索引,否则原来的索引新生成一列名为’index’的列:
test_dict_df.reset_index(inplace=True,drop=True)
2、设置其他列为索引
当然我们也可以用其他列为索引,通过set_index()方法:
test_dict_df.set_index('id_new')
四、总结
可以看到,所谓的修改首先要能选择修改的位置,即定位,然后对确定好的位置进行重新赋值,所以我们学会了如何选择数据,也就基本能修改此处的数据