Python数据分析 | DataFrame（数据框）

DataFrame

DataFrame是Pandas包提供的一种类似关系表的数据结构

定义

1. 直接定义（很少使用）
   pd.DataFrame()
   参数可以是numPy、列表、字典、元组、Series等
2. 导入定义（常用）
   导入导出前提：需要知道当前工作目录的位置
   导入：pd.read_csv( file)
   写出：pd.to_type(file)
   导入时，系统会自动增加index行，可以将参数index_col设置为0来解决

查看

查看形状：属性shape

引用

1. 按列名读取
   写法一：列名出现在下标中
   写法二：列名当作属性
   写法三：列名行号一起用
   写法四：属性名行号一起用
   写法五：切片
2. 按index读取
   loc属性：显式index
3. 按位置（既隐式index）
   iloc属性：隐式index

删除

1. 切片后del或直接赋值给新数据框
   参考数组过滤条件
2. 方法drop()
inplace = True，就地修改
   inplace = False，另外返回一个值

缺失数据处理

判断一个数据框是否为空数据框：属性empty()
在Python基础语法中，None不能参加计算，NaN可以参加计算，而在Pandas中，二者一样，都可以参加计算，将None自动转换为np.nan（float类型）

补齐缺失值：

1. fill_value = 0
2. 用均值补齐缺失值：DataFrame.stack().mean()
mean() 按行计算，stack()则是建立多级索引，一起用就可以得到整个数据框的均值
   unstack()则为撤销多级索引

常用函数

1. isnull() ：判断每个元素是否为空
2. notnull() :判断是否非空
3. dropna()：直接删除缺失值
4. fillna()：设置缺失值的补齐方式
   可以设置method = "ffill 或 bfill ，既向前填充或向后填充

算术运算

原则一：先补齐显式index（新增索引对应值为NaN），得到相同的结构后，再进行计算
原则二：算术运算符“+、-”等会产生NaN值，如果想要默认填充的NaN改为指定值，建议不要使用算术运算符，而改用成员方法，如add()、sub()、mul()、div()
原则三：数据框与Series的计算规则——按行广播，先把行改为等长，行内不做循环补齐。只是一行一行的计算，不会跨行 广播

常用函数：

• cumsum()：依次按行向下加
• rolling().sum()：计算相邻元素之和
• cov()：协方差矩阵
• corr()：相关系数矩阵
• T：转置

大小比较：
如果比较对象是一个元组，元组长度需要和数据框的列数相等

统计信息

最常用的描述性统计方法之一：describe()
查看前几行head()
查看后几行tail()
频次统计：count()

排序

按值排序：sort_values()
按显式index排序：sort_index()
ascending = True表示升序，反之既降序

分组统计

groupy函数：groupby(分组条件)[计算对象].mean()
同时计算多个函数的值，则使用方法aggtegate(),将多个函数名以列表的形式枚举在aggragate()的参数中
替换函数可以使用方法apply()