Pandas基础复习-DataFrame

数据类型-DataFrame

• DataFrame是由多个Series数据列组成的表格数据类型，每行Series值都增加了一个共用的索引
• 既有行索引，又有列索引
  
  • 行索引，表明不同行，横向索引，叫index，0轴，axis=0
  • 列索引，表名不同列，纵向索引，叫columns，1轴，axis=1
• DataFrame数据类型可视为：二维 带标签 数组
• 每列值的类型可以不同
• 基本操作类似Series，依据行列索引操作
• 常用于表达二维数据，但也可以表达多维数据(Dataframe嵌套，极少用)

DataFrame数据类型创建

Python list列表 创建DataFrame

import pandas as pd

df = pd.DataFrame([True, 1, 2.3, 'a', '你好']) # 1维
df

	0
0	True
1	1
2	2.3
3	a
4	你好

df = pd.DataFrame([[True,1,2.3,'a','你好'],[1,2,3,4,5]]) #2维
df

	0	1	2	3	4
0	True	1	2.3	a	你好
1	1	2	3.0	4	5

# 3维，不建议
df = pd.DataFrame([[[True,1,2.3,'a','你好'],
                    [1,2,3,4,5]],
                   [[True,1,2.3,'a','你好'],
                    [1,2,3,4,5]]
                  ]) 
df

	0	1
0	[True, 1, 2.3, a, 你好]	[1, 2, 3, 4, 5]
1	[True, 1, 2.3, a, 你好]	[1, 2, 3, 4, 5]

Python 字典 创建DataFrame

df = pd.DataFrame({
  'one':[1,2,3,4],
                   'two':[9,8,7,6]})
df

	one	two
0	1	9
1	2	8
2	3	7
3	4	6

# 自定义行索引
df = pd.DataFrame({
  'one':[1,2,3,4],
                   'two':[9,8,7,6]},index = ['a','b','c','d']) 
df

	one	two
a	1	9
b	2	8
c	3	7
d	4	6

df = pd.DataFrame({
    'A' : 1,
    'B' : 2.3,
    'C' : ['x','y',5] #需要多行
})
df

	A	B	C
0	1	2.3	x
1	1	2.3	y
2	1	2.3	5

dt = {
    'one' : pd.Series([1,2,3],index=['a','b','c']),
    'two' : pd.Series([9,8,7,6],index=['a','b','c','d',])
}
dt

{'one': a    1
 b    2
 c    3
 dtype: int64, 'two': a    9
 b    8
 c    7
 d    6
 dtype: int64}

# one two自动列索引,abcd自动行索引.每个元素对应DataFrame的一列,每个元素内的键值对应一行
d = pd.DataFrame(dt) 
d

	one	two
a	1.0	9
b	2.0	8
c	3.0	7
d	NaN	6

# 数据根据行列索引自动补齐
d_2 = pd.DataFrame(dt,index=['b','c','d'],columns=['two','three']) 
d_2

	two	three
b	8	NaN
c	7	NaN
d	6	NaN

ndarray数组 创建DataFrame

import numpy as np

df = pd.DataFrame(np.arange(10).reshape(2,5)) # 自动生成行/列索引
df

	0	1	2	3	4
0	0	1	2	3	4
1	5	6	7	8	9