Pandas数据结构--DataFrame

最新推荐文章于 2025-01-16 22:00:27 发布

辣椒种子

最新推荐文章于 2025-01-16 22:00:27 发布

阅读量92

点赞数

分类专栏： Python-工具文章标签： pandas 数据结构 python

本文链接：https://blog.csdn.net/lijunhcn/article/details/132298660

版权

Python-工具专栏收录该内容

20 篇文章 0 订阅

订阅专栏

本文介绍了Pandas库中的DataFrame数据结构，包括其定义、创建方式（如字典），以及列的访问和处理（如iloc和loc操作）。文章详细说明了如何使用字典创建DataFrame，以及如何通过列名和索引进行行和列的操作，包括修改、删除和访问特定元素。

摘要由CSDN通过智能技术生成

DataFrame是一个表格型数据结构，它含有一组有序的列，每列可以是不用的值类型（数值、字符串、布尔值等）。

DataFrame既有行索引，也有列索引，与其它类似的数据结构相比（如R的data.frame），DataFrame面向行和面向列的操作基本是平衡的。

DataFrame中的数据一般是以一个或者多个二维块存放的（而不是列表、字典或者其它一维数据结构）。

创建DataFrame

使用字典创建DataFrame，字典的value类型为list

In [13]: people = {'name': ['a', 'b', 'c', 'd'],
  ...: 'age': [15, 20, 25, 30],
  ...: 'gender': ['male', 'female', 'female', 'male']}
In [14]: df = pd.DataFrame(people)
In [15]: df
Out[15]: 
  name  age  gender
0    a   15    male
1    b   20  female
2    c   25  female
3    d   30    male

可以使用参数columns来改变列的顺序

In [16]: df_test_columns = pd.DataFrame(people, columns=['gender', 'name', 'age'])
In [17]: df_test_columns
Out[17]: 
   gender name  age
0    male    a   15
1  female    b   20
2  female    c   25
3    male    d   30

和Series一样，如果传入的列在数据中找不到的话，就会产生NA值

In [32]: df2 = pd.DataFrame(data, columns=['pop', 'state', 'year', 'debt'],
    ...: index=['one', 'two', 'three', 'four', 'five'])
In [33]: df2
Out[33]: 
       pop   state  year debt
one    1.5    Ohio  2000  NaN
two    1.7    Ohio  2001  NaN
three  3.6    Ohio  2002  NaN
four   2.4  Nevada  2001  NaN
five   3.9  Nevada  2002  NaN
In [34]: df2.columns
Out[34]: Index(['pop', 'state', 'year', 'debt'], dtype='object')

在实际使用中，更普遍的情况是读取表格来生成DateFrame，所以就不写太多生成DateFrame的方法了。

DataFrame的列访问与处理

获取DataFrame列的两种方式：字典标记形式、属性形式

In [35]: df2.state
Out[35]: 
one        Ohio
two        Ohio
three      Ohio
four     Nevada
five     Nevada
Name: state, dtype: object
In [36]: df2['state']
Out[36]: 
one        Ohio
two        Ohio
three      Ohio
four     Nevada
five     Nevada
Name: state, dtype: object

通过赋值（一个值或一组值）的方式进行修改某列的值

In [37]: df2.debt = 16.5
In [38]: df2
Out[38]: 
       pop   state  year  debt
one    1.5    Ohio  2000  16.5
two    1.7    Ohio  2001  16.5
three  3.6    Ohio  2002  16.5
four   2.4  Nevada  2001  16.5
five   3.9  Nevada  2002  16.5

In [45]: df2['debt'] = np.arange(5.)
In [46]: df2
Out[46]: 
       pop   state  year  debt
one    1.5    Ohio  2000   0.0
two    1.7    Ohio  2001   1.0
three  3.6    Ohio  2002   2.0
four   2.4  Nevada  2001   3.0
five   3.9  Nevada  2002   4.0

将列表或者数组赋值给某一列时，其长度必须与DataFrame相匹配。如果赋值的是Series，就会精确匹配DataFrame的索引，所有空位都会补上缺失值。

In [47]: val = pd.Series([-1.2, -1.5, -1.7], index=['two', 'four', 'five'])
In [48]: df2.debt = val
In [49]: df2
Out[49]: 
       pop   state  year  debt
one    1.5    Ohio  2000   NaN
two    1.7    Ohio  2001  -1.2
three  3.6    Ohio  2002   NaN
four   2.4  Nevada  2001  -1.5
five   3.9  Nevada  2002  -1.7

为不存在的列赋值会创建新列。

In [55]: df2['eastern'] = df2.state == 'Ohio'
In [56]: df2
Out[56]: 
       pop   state  year  debt  eastern
one    1.5    Ohio  2000   NaN     True
two    1.7    Ohio  2001  -1.2     True
three  3.6    Ohio  2002   NaN     True
four   2.4  Nevada  2001  -1.5    False
five   3.9  Nevada  2002  -1.7    False

删除某列。可以使用del关键字，也可以使用DataFrame.drop()
```
In [57]: del df2['eastern']
In [58]: df2
Out[58]: 
       pop   state  year  debt
one    1.5    Ohio  2000   NaN
two    1.7    Ohio  2001  -1.2
three  3.6    Ohio  2002   NaN
four   2.4  Nevada  2001  -1.5
five   3.9  Nevada  2002  -1.7
In [65]: df2['debt'].loc['two']
Out[65]: -1.2
```
```
DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False)
```
参数含义：
- labels：要删除的行或列，用列表给出
- axis：默认为 0，指要删除的是行，删除列时需指定 axis 为 1
- index ：直接指定要删除的行，删除多行可以使用列表作为参数
  columns：直接指定要删除的列，删除多列可以使用列表作为参数
  inplace: 默认为 False，该删除操作不改变原数据；inplace = True 时，改变原数据
通过索引方式返回的列只是数据的视图，并不是副本。因此对返回的Series所做的任何就地修改都会直接作用到源DataFrame上。通过Series的copy方法，可以显式的复制列。

这个地方极其容易出现SettingwithCopyWarning警告，具体的原因及解决办法参考：Pandas 中 SettingwithCopyWarning 的原理和解决方案

DataFrame的行访问

DateFrame对行有两个操作符：iloc和loc。

其中iloc对index进行索引，loc对列名进行索引，特别要注意的是当列名为0，1，2，3，...的数字索引时，两者都可以正常运行，但是本质上还是有区别的。

index不是0，1，2，3的数字索引

In [10]: df1 = pd.DataFrame(people, index=['w', 'x', 'y', 'z'])
In [11]: df1
Out[11]: 
  name  age  gender
w    a   15    male
x    b   20  female
y    c   25  female
z    d   30    male
In [12]: df1.iloc[0]
Out[12]: 
name         a
age         15
gender    male
Name: w, dtype: object
In [13]: df1.loc['w']
Out[13]: 
name         a
age         15
gender    male
Name: w, dtype: object

index不是0，1，2，3这类的数字索引

In [15]: df2 = pd.DataFrame(people, index=range(1,5))
In [16]: df2
Out[16]: 
  name  age  gender
1    a   15    male
2    b   20  female
3    c   25  female
4    d   30    male
In [18]: df2.iloc[0]
Out[18]: 
name         a
age         15
gender    male
Name: 1, dtype: object
In [19]: df2.loc[1]
Out[19]: 
name         a
age         15
gender    male
Name: 1, dtype: object