Dataframe的用法

使用Panda库读取文件时，经常会返回一个Dataframe结构的数据，本文主要记录一下如果操作该数据结构。

读取Dataframe

filename = ‘XXX’
data = pd.read_csv(filename, sep=’,’)
data = np.array(data)

这个函数（read_csv）有几个参数比较重要，一个是encoding，可以选择utf-8，避免中文乱码；另一个是index_col，用于行索引的列标号或者列名；再是header，用于列名的行号，pd.read_csv函数中默认为0（默认第一行就是列名，不读进去），如果第一行不是列名，而是正儿八经的数据，那就令header=None

方法1：直接操作Dataframe

假设数据如下：

• 我们可以直接根据列名选取一列，返回一个Series，例如 ： data["id"] 这样直接返回这一列
• 也可以同时选择多个列，例如data["id",'AL']，就返回两个列
  如果我们想返回行，不可以直接输入数字，要以切片的形式：data[0:3] 返回1，2，3行
  再举几个例子：data[:2] 返回1，2行 data[2:] 返回第3行以后的行
• 注意1，这里的切片它的区间是左闭右开的，右边最后一个取不到
• 注意2：如果想同时取行列，必须要用两个中括号 因为你想啊，如果只有一个中括号，例如data[0:2,"id","AL"] 这样其实相当于取列，因为是逗号隔开的，取列用逗号隔开（因为这个逗号本身就不是行列的分隔符，与数组中的逗号不一样，数组中逗号是行列分隔符），但是前面的0:2明显又不是取列的操作，所以会报错！ 正确做法是data[0:2]["AL","id"]
• 注意3：这个不能用切片的方法取列，切片的只能取行。例如data['id':'AL']是错误的 。 所以这种方法操作起来并不方便，通常用以下两种方法。

方法2：利用loc()操作Dataframe`

• loc（location），这在教室里找不认识的同学的位置一样的，找人肯定要知道名字或者身高形体（条件），所以loc就只能用条件或者行列的名字来进行筛选；
• 读取某一列：data.loc[,:"id"] data.loc[:,"id":"AL"] 这个就和操作正常数组是一样的
• 读取某一行：data.loc[2,:] （这个2是指行名，如果没有行名，也就是index_col=None，就直接写行号（行号就是123456这种，行名就是命名））
• 想要同时读取列和行，可以一个中括号内，也可以两个中括号 data.loc[2,‘id’] 或者 data.loc[2]['id']

方法3：利用iloc()操作Dataframe`

• iloc（indx location），index是什么，我把它当作是索引位置，第几行第几列的意思，所以iloc是用第几行第几列这样的数字来筛选的。 用行号、列号来操作。
• 读取某一列：data.iloc[,:3] data.iloc[:,3:6] 这个就和操作正常数组是一样的
• 读取某一行：data.iloc[2,:] （这个2是指行名）
• 想要同时读取列和行，可以一个中括号内，也可以两个中括号 data.loc[2,3’] 或者 data.loc[2][3]

drop方法

Dataframe可以通过drop函数直接去掉指定的行或者列（当有些数据不需要时）。例如：

data.drop(1,axis = 0) 去掉第2行

data.drop([1,5,6,8],axis = 0) 去掉第2 6 7 9行

data.drop(‘col1’,axis = 1) 去掉第1列 （假设第一列的列名叫col1）

data.drop([‘col1’, ‘col3’],axis = 1) 去掉第1,3列（假设第1，3列的列名叫col1、col3）