<ul>
- 对 DataFrame 对象迭代得到的是其各个属性列的列名,自然为 list 类型;
-
1. 从文件读取数据返回 data frame
read_csv,read_excel
df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/' 'breast-cancer-wisconsin/wdbc.data', header=None) # df: data frame # type(df): <class 'pandas.core.frame.DataFrame'>
- 1
- 2
- 3
- 4
header:表头,默认不为空(为 0,也即将第一行视为表头)。如果我们要读取的文件,直接就是数据,没有所谓的表头。就需指定 header=None,否则将以文件的第一行作为 df.columns。指定 header=None,df.columns 返回的是列索引,如一个三列的数据:
Int64Index([0, 1, 2], dtype='int64')
- 1
parse_datas:指明日期列,为字符串构成的 list;
- thousands : str, default None,千分位分割符,如“,”或者“.”
2. pandas 基本数据结构:Series 与 DataFrame
from pandas import Series, DataFrame
- Series 最重要的一个功能在于:它在算术运算中会自动对齐不同索引的数据;
X, y = df.values[:, 2:], df.values[:, 1] # df.values 的类型为 numpy.ndarray # 也可以 X, y = df.loc[:, 2:].values, df.loc[:, 1].values
- 1
- 2
- 3
- 4
3. dataframe 与 numpy 下的多维数组的转换
- dataframe ⇒ numpy.ndarray:
df.ax_matrix()
4. 基本成员函数
- df.dtypes:会按列给出各个列的数据类型;
df.columns,获取列名,可直接通过
.
的形式进行索引;比如一个 df.columns 的返回值为:
Index([u'dt', u'kind', u'value'], dtype='object')
- 1
可直接索引的含义在于,使用
df.dt
或者df.kind
或者df.value
进行索引,获取某列的全部值( 注,pandas 的特点,以列进行索引和修改)。同时索引多个列以构成一个新的表格,df[['dt', 'value']] # 这样得到的仍然是 dataframe
- 1
支持
[]
的索引方式,但关键字必须是 list 的形式(['dt', 'value']
),而不可以是 tupledf.assign():指定新的列(如果列名已存在,则替换;如果不存在,在添加该列),返回一个新的 DataFrame,不对原始的 DataFrame 进行修改;
- 当然其也可以接收一个 lambda 型的函数对象,该函数对象接收的参数则是原始的 dataframe;
# 接收 lambda 型函数对象, >> df = DataFrame({'A':range(1, 6), 'B':np.random.randn(5)}) >> df.assign(ln_A=lambda x: np.log(x.A)) A B ln_A 0 1 0.456539 0.000000 1 2 1.022736 0.693147 2 3 -0.158207 1.098612 3 4 0.951304 1.386294 4 5 -1.024661 1.609438 # 此时 df 本身并未发生任何改变; >> df.assign(A = range(21, 26)) A B 0 21 0.456539 1 22 1.022736 2 23 -0.158207 3 24 0.951304 4 25 -1.024661
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
set_index():将某列设置为索引列;