8、Python 机器学习基础知识Pandas库中的DataFrom（二）

DataFrom

DataFrame 是一种二维的数据结构，非常接近于电子表格或者类似 mysql 数据库的形式。它的竖行称之为 columns，横行跟前面的 Series 一样，称之为 index，也就是说可以通过 columns 和 index 来确定一个主句的位置。（有人把 DataFrame 翻译为“数据框”，是不是还可以称之为“筐”呢？向里面装数据嘛。)

定义方式：

1、DataFrame 最基本的定义方式：

data = {'name':['yahoo','google','facebook'],'marks':[200,100,300],'price':[9,3,7]}
f1 = DataFrame(data)
print(f1)

输出：
       name  marks  price
0     yahoo    200      9
1    google    100      3
2  facebook    300      7

这是定义一个 DataFrame 对象的常用方法——使用 dict 定义。字典的“键”（“name”，“marks”，“price”）就是 DataFrame 的 columns 的值（名称），字典中每个“键”的“值”是一个列表，它们就是那一竖列中的具体填充数据。上面的定义中没有确定索引，所以，按照惯例（Series 中已经形成的惯例）就是从 0 开始的整数。从上面的结果中很明显表示出来，这就是一个二维的数据结构（类似 excel 或者 mysql 中的查看效果）。

上面的数据显示中，columns 的顺序没有规定，就如同字典中键的顺序一样，但是在 DataFrame 中，columns 跟字典键相比，有一个明显不同，就是其顺序可以被规定，向下面这样做：

f2 = DataFrame(data, columns=['name','price','marks']) 
print (f2)
 
输出：
       name  price  marks
0     yahoo      9    200
1    google      3    100
2  facebook      7    300

DataFrame 数据的索引也能够自定义。

f3 = DataFrame(data, columns=['name', 'price', 'marks', 'debt'], index=['a','b','c']) 
print (f3) 

输出
        name  price  marks debt
a     yahoo      9    200  NaN
b    google      3    100  NaN
c  facebook      7    300  NaN

因为定义f3的时候，多了一个键值debt，但是这项在 data 这个字典中并没有，所以 debt 这一竖列的值都是空的，在 Pandas 中，空就用 NaN 来代表了。

1、DataFrame 使用字典套字典的方式：

newdata = {"lang":{"firstline":"python","secondline":"java"}, "price":{"firstline":8000}}

f4 = DataFrame(newdata)
print(f4)

输出：
              lang   price
firstline   python  8000.0
secondline    java     NaN

在字典中就规定好数列名称（第一层键）和每横行索引（第二层字典键）以及对应的数据（第二层字典值），也就是在字典中规定好了每个数据格子中的数据，没有规定的都是空。

如果额外确定了索引，除非在字典中有相应的索引内容，否则都是 NaN，如下：

print(DataFrame(newdata, index=["firstline","secondline","thirdline"]) )

输出：
              lang     price 
firstline     python   8000 
secondline    java     NaN 
thirdline     NaN      NaN 

属性和方法：

columns ：

columns 属性能够显示所有的 columns 名称

print(f3.columns )

输出：
Index(['name', 'price', 'marks', 'debt'], dtype=object) 

还能用下面类似字典的方式，得到某竖列的全部内容（当然也包含了索引）：

peint( f3['name'] )

输出：
a       yahoo
b      google
c    facebook
Name: name, dtype: object

给某一列直接赋值

f3['debt'] = 89.2 

输出：
       name  price  marks  debt
a     yahoo      9    200  89.2
b    google      3    100  89.2
c  facebook      7    300  89.2

除了能够统一赋值之外，还能够“点对点”添加数值，自动对齐之后，没有被复制的依然保持 NaN

sdebt = Series([2.2,1.1],index=('a','b'))
f3['debt'] = sdebt
print(f3)

输出：
       name  price  marks  debt
a     yahoo      9    200   2.2
b    google      3    100   1.1
c  facebook      7    300   NaN

还可以更精准的修改数据吗？当然可以，完全仿照字典的操作：

f3["price"]["c"] = 1000
print(f3)

输出：
       name  price  marks  debt
a     yahoo      9    200   2.2
b    google      3    100   1.1
c  facebook   1000    300   NaN