03 -1 pandas 中 DataFrame理解与创建、索引、运算的详解以及实例

DataFrame

DataFrame是一个【表格型】的数据结构，可以看做是【由Series组成的字典】（共用同一个索引）。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。

• 行索引：index 代表样本
• 列索引：columns 代表维度
• 值：values（numpy的二维数组）

1）DataFrame的创建

最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称，以字典的值（一个数组）作为每一列。

此外，DataFrame会自动加上每一行的索引（和Series一样）。

同Series一样，若传入的列与字典的键不匹配，则相应的值为NaN。

DataFrame的创建

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

通过 DateFrame 函数 创建

df = DataFrame([1,2,3,4])
结果为：
	0
0	1
1	2
2	3
3	4

df = DataFrame([1,2,3,4],index=list("abcd"))
结果为：

	0
a	1
b	2
c	3
d	4

data = np.random.randint(0,150,size=(4,4))
index = ["张三","李四","王五","赵柳"]
columns = ["Math","Chinese","English","Python"]
df = DataFrame(data,index=index,columns=columns)
df
结果为：如下表

	Math	Chinese	English	Python
张三	10	145	15	11
李四	125	97	71	130
王五	149	79	149	67
赵柳	133	26	135	70

DataFrame属性：values、columns、index、shape

df.values #所有的值
结果为：
array([[ 10, 145,  15,  11],
       [125,  97,  71, 130],
       [149,  79, 149,  67],
       [133,  26, 135,  70]])

df.columns # 每一列的标题
结果为：
Index(['Math', 'Chinese', 'English', 'Python'], dtype='object')

df.index #每一行的标题
结果为：
Index(['张三', '李四', '王五', '赵柳'], dtype='object')

df.shape
结果为：
(4, 4）

============================================

练习4：

根据以下考试成绩表，创建一个DataFrame，命名为df：

    张三  李四
语文 150  0
数学 150  0
英语 150  0
理综 300  0

============================================

data = [[150,0],[150,0],[150,0],[150,0]]
index = ["语文","数学","英语","理综"]
columns = ["张三","李四"]
DataFrame(data=data,index=index,columns=columns)

	张三	李四
语文	150	0
数学	150	0
英语	150	0
理综	150	0

2）DataFrame的索引

(1) 对列进行索引

- 通过类似字典的方式
- 通过属性的方式

可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引，且name属性也已经设置好了，就是相应的列名。

每一行是一个样本 每一列是描述这个样本的维度

df

<

	Math	Chinese	English	Python
张三	10