1分钟搞定Pandas DataFrame创建与索引

1.DataFrame介绍

DataFrame 是一个【表格型】的数据结构，可以看作是【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 的使用场景从一维扩展到多维。DataFrame 既有行索引，也有列索引。

• 行索引：index

• 列索引：columns

• 值：values（NumPy的二维数组）

2.DataFrame的创建

• 最常见的方法是传递一个字典来创建。DataFrame 以字典的创建作为每一【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。

d = {
    "name":["tfos","Python","Pandas"],
    "age":[11,30,20],
}
df = pd.DataFrame(d)
df
# 执行结果
# 每一行是一条数据
# 每一列表示一种属性

• DataFrame的基本属性和方法：

  • values 值，二维 ndarray 数组

  • columns 列索引

  • index 行索引

  • shape 形状

  • head() 查看前几条数据，默认5条

  • tail() 查看后几条数据，默认5条

display(df)
# 二维数组的数据
df.values
# 执行结果
array([['tfos', 11],
       ['Python', 30],
       ['Pandas', 20]], dtype=object)

# 列索引
df.columns
# 执行结果
Index(['name', 'age'], dtype='object')

# 行索引
df.index
# 执行结果
RangeIndex(start=0, stop=3, step=1)

# 形状：3行2列
df.shape
# 执行结果
(3, 2)

# 查看前2条数据
df.head(2)
# 查看最后2条数据
df.tail(2)
# 设置 index 行索引
df.index = list("ABC")
df
# 设置 columns 列索引
df.columns = ["name2","age2"]
df
# 创建 DataFrame 时同时设置行和列的索引
d = {
    "name":["tfos","Python","Pandas"],
    "age":[11,30,20]
}
df = pd.DataFrame(d,index=list("ABC"))
df

• 其他创建 DataFrame 的方式

df = pd.DataFrame(
    data = np.random.randint(10,100,size=(4,6)),
    index = ["小明","小红","小黄","小绿"],
    columns = ["语文","数学","英语","化学","物理","生物"]
)
df

3.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。

df = pd.DataFrame(
    data = np.random.randint(10,100,size=(4,6)),
    index = ["小明","小红","小黄","小绿"],
    columns = ["语文","数学","英语","化学","物理","生物"]
)
df

# Series类型
df.语文
# 执行结果
小明    47
小红    32
小黄    12
小绿    33
Name: 语文, dtype: int32

df["语文"]
# 执行结果
小明    47
小红    32
小黄    12
小绿    33
Name: 语文, dtype: int32

# 使用2个中括号得到的类型是 DataFrame
df[["语文","化学"]]

df[["语文"]]

4.对行进行索引

• 使用 .loc[] 加 index 来进行行索引

• 使用 .iloc[] 加整数来进行行索引

同样返回一个Series, index为原来的columns。

# 不可以直接取行索引
# df.小明
# df["小明"]
# DataFrame默认是先取列索引
# 取行索引值为 Series 类型
df.loc["小明"]
# 执行结果
语文    47
数学    63
英语    62
化学    17
物理    84
生物    24
Name: 小明, dtype: int32

df.iloc[0]
# 执行结果
语文    47
数学    63
英语    62
化学    17
物理    84
生物    24
Name: 小明, dtype: int32

# 使用2个中括号取到的值是 DataFrame 类型
df.loc[["小明","小绿"]]

df.loc[["小明"]]

df.iloc[[0,-1]]

df.iloc[[0,3]]

df.iloc[[0]]

5.对元素索引的方法

• 使用列索引

• 使用行索引（iloc[3,1]相对于两个参数；iloc[[3,3]]里面的[3,3]看作一个参数）

• 使用 values 属性（二维 NumPy 数组）

# 先取列，再取行
df["语文"]["小明"]
# 执行结果
47

df["语文"][0]
# 执行结果
47

df.语文[0]
# 执行结果
47

df.语文.小明
# 执行结果
47

# 先取行，再取列
df.loc["小明"]["语文"]
# 执行结果
47

df.loc["小明","语文"]
# 执行结果
47

df.loc["小明"][0]
# 执行结果
47

df.iloc[0][0]
# 执行结果
47

df.iloc[0,0]
# 执行结果
47

df.iloc[0]["语文"]
# 执行结果
47