DataFrame 常用操作

【自己总结的，误人子弟，别看 Q_Q】

DataFrame 只接受二维数组，多维用 NumPy arrayhttps://pandas.pydata.org/docs/reference/api/pandas.DataFrame.htmlhttps://pandas.pydata.org/docs/reference/api/pandas.DataFrame.html

1. 读取 csv

   df = pd.read_csv("xxx.csv")

2. Create DataFrame (index 不设置就默认 0,1,...,n)

   pd.DataFrame([['Abby','F',26],['Luke','M',12],['Nancy','F',76]], columns=['Name','Gender','Age'], index = ['1st','2nd','3rd'])

3. 返回行数 / 列数

   row = df.shape[0]
   column = df.shape[1]

【数据访问】

iloc/loc/drop ... 等操作中，如果只有一个 argument，默认指代的是 row

1. 可以把 df 理解成一个竖向的 dict：key = column name, value = value in a column

   显示 column name：
       df.keys() # 可转 list 格式以便后续操作
       >> ['Name','Gender','Age']

2. 显示整行

   df.head(10)  #显示 df 前十行（默认五行）
   df.tail(10)  #显示 df 后十行（默认五行）
   
   df.head[1:5]  #显示 df 第二到五行
   df.head[5:]  #显示 df 第六到n行
   df.head[:10]  #显示 df 前十行

3. 显示整列

   df['Name', 'Age'] 
   df[list(df.keys())[:5]]  #多列要显示要把 names 放在一个 list 里面一起提交

4. 万能索引（显示形状任意的 sub array）
   1. 用 index as 索引 reference：iloc

      行显示：
      df.iloc[1, :]  #显示第 2 行
      df.iloc[1:10, :]  #显示第 2 到 10 行
      
      列显示：
      df.iloc[:, 1]  #显示第 2 列
      df.iloc[:, 1:10]  #显示第 2 到 10 列
      
      子矩阵展示：
      df.iloc[1:10, 3:5] 

   2. 用 row/column name as 索引 reference：loc

      行显示：
      多数情况行没有名字只用 index 指代，那么用法与 iloc 一样
      如果有 row name，则需跟列的使用方法一致
      
      列显示：
      df.loc[:, ['Name','Age']]  
      df.loc[:,list(df.keys())[:5]]  #显示前五列
      
      子矩阵展示：
      df.loc[1:10, ['Name','Age']] 

   3. 复杂方法（条件筛选行/列）

      df.loc[(df['Gender']=='F').values,:]  
      # values 只是为了把 series 变成 array
      >>  Name  Gender  Age
       0  Abby     F    26
       2  Nancy    F    76
      
      df.loc[((df['Gender']=='F') & (df['Age']<50)).values]  
      >>  Name  Gender  Age
       0  Abby     F    26

【数据修改】

1. 删除单行/列：drop （多行/列删除可以用 loop，或者创建新的 df 对老 df 进行筛选)

   df.drop(x, axis, inplace)
   """
       x: 行/列的名字/index
       axis: row = 0(默认), column = 1
       inplace: 是否对原数据生效，False(默认) 代表原数据无改变，True 对原数据进行更改
   """
   
   df.drop_duplicates(subset = [], keep, inplace, ignore_index)
   """
       subset: attribute list, 删除所有在 subset 里的 attribute 上面完全重复的 row
               subset = ['Age','Name'], 所有同名同岁的人员记录全视作 duplicate，尽管性别都不一样
               subset = [], 代表只有所有 value 全部一致的两行才能作为 duplicate
       keep: first(默认) = 留下 duplicate 里的第一条记录，last = 留下最后一条，False = 删除所有重复
       inplace: 是否对原数据生效，False(默认) 代表原数据无改变，True 代表原数据改变
       ignore_index: True = reset index, False(默认) = 删除完 index 会不连贯
   """

   df.drop(['Age'], axis = 1)  # (df 不变，还是有 Age)
   >>  Name  Gender
    0  Abby     F
    1  Luke     M 
    2  Nancy    F
   
   df.drop(0)
   >>  Name  Gender  Age
    1  Luke     M    12
    2  Nancy    F    76
   

       Name  Gender  Age
    0  Abby     F    26
    1  Luke     M    12
    2  Nancy    F    76
    3  Abby     F    34
    4  Luke     M    12
   
   df.drop_duplicates([])
   >>  Name  Gender  Age
    0  Abby     F    26
    1  Luke     M    12
    2  Nancy    F    76
    3  Abby     F    34
   
   df.drop_duplicates(subset = ['Gender'], keep = False, ignore_index = True)
   >>  Name  Gender  Age
    0  Luke     M    12
   

2. 插入行: append

   df.append(X, ignore_index, verify_integrity, sort)
   # column name 一样：竖向合并，df + X
   # column name 不一样：无论两个 df index 是否一样，会在 df column 后面加上 X 的 column，然后合并
       X: data will be append
       ignore_index: True = reset index, False(默认) = 删除完 index 会不连贯
       verify_integrity: False(默认) = allow create duplicates, True = not allow
       sort: False(默认)

   >> df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'), index=['x', 'y'])
   >> df
      A  B
   x  1  2
   y  3  4
   
   >> df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'), index=['1', '2'])
   >> df2
      A  B
   1  5  6
   2  7  8
   
   >> df3 = pd.DataFrame([[0, 10], [5, 50]], columns=list('CB'), index=['1', '2'])
   >> df2
      C  B
   1  0  10
   2  5  50
   
   >> df.append(df2, ignore_index = True)
      A  B
   0  1  2
   1  3  4
   2  5  6
   3  7  8
   
   >> df.append(df3, ignore_index = True)
      A    B    C
   0  1    2    NaN
   1  3    4    NaN
   2  NaN  10   0
   3  NaN  50   5

懒得弄了，改天再写