Pandas数据结构Dataframe：基本概念及创建

最新推荐文章于 2024-12-11 11:30:21 发布

lys_828

最新推荐文章于 2024-12-11 11:30:21 发布

阅读量2.5k

点赞数 1

分类专栏：数据分析师 python数据分析文章标签：数据结构列表 python 数据分析机器学习

本文链接：https://blog.csdn.net/lys_828/article/details/104493044

版权

数据分析师同时被 2 个专栏收录

43 篇文章

订阅专栏

python数据分析

33 篇文章

订阅专栏

本文深入讲解了Pandas库中DataFrame的使用方法，包括其基本概念、数据类型、创建方式及参数调整技巧。从由数组、字典、Series到二维数组的各种创建途径，详细解析了index和columns的作用及设定方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. Dataframe基本概念

1）Dataframe（“带有标签的二维数组”）：是一个表格型的数据结构，包含一组有序的列，其列的值类型可以是数值、字符串、布尔值等。

2）Dataframe中的数据以一个或多个二维块存放，不是列表、字典或一维数组结构。Dataframe带有index（行标签）和columns（列标签）

import pandas as pd
import numpy as np

data = {'name':['Jack','Tom','Mary'],
        'age':[18,19,20],
       'gender':['m','m','w']}
frame = pd.DataFrame(data)
print(frame)  
print(type(frame))

–> 输出的结果为：

   name  age gender
0  Jack   18      m
1   Tom   19      m
2  Mary   20      w
<class 'pandas.core.frame.DataFrame'>

3） Dataframe中的数据类型

.index查看行标签

.columns查看列标签

.values查看值，数据类型为ndarray

print(frame.index,'\n该数据类型为：',type(frame.index))
print(frame.columns,'\n该数据类型为：',type(frame.columns))
print(frame.values,'\n该数据类型为：',type(frame.values))

–> 输出的结果为：

angeIndex(start=0, stop=3, step=1) 
该数据类型为： <class 'pandas.core.indexes.range.RangeIndex'>

Index(['name', 'age', 'gender'], dtype='object') 
该数据类型为： <class 'pandas.core.indexes.base.Index'>

[['Jack' 18 'm']
 ['Tom' 19 'm']
 ['Mary' 20 'w']] 
该数据类型为： <class 'numpy.ndarray'>

2. Dataframe创建

2.1 创建方法一：由数组/list组成的字典

1）创建方法:pandas.Dataframe()
2）由数组/list组成的字典创建Dataframe，columns为字典key，index为默认数字标签
3）注意： 字典的值的长度必须保持一致！

data1 = {'a':[1,2,3],
        'b':[3,4,5],
        'c':[5,6,7]}
data2 = {'one':np.random.rand(3),
        'two':np.random.rand(3)}  
print(data1)
print(data2)

–> 输出的结果为：

{'a': [1, 2, 3], 'b': [3, 4, 5], 'c': [5, 6, 7]}
{'one': array([0.55231278, 0.11346486, 0.04460787]), 'two': array([0.96373403, 0.88178355, 0.80008568])}

将数据转化为Dataframe

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
print(df1)
print(df2)

–> 输出的结果为：

   a  b  c
0  1  3  5
1  2  4  6
2  3  5  7
        one       two
0  0.004175  0.804657
1  0.998857  0.714633
2  0.775254  0.070222

4） columns参数：可以重新指定列的顺序，格式为list，如果现有数据中没有该列（比如’d’），则产生NaN值

5）如果columns重新指定时候，列的数量可以少于原数据

df1 = pd.DataFrame(data1, columns = ['b','c','a','d'])
print(df1)
df1 = pd.DataFrame(data1, columns = ['b','c'])
print(df1)

–> 输出的结果为：

   b  c  a    d
0  3  5  1  NaN
1  4  6  2  NaN
2  5  7  3  NaN

   b  c
0  3  5
1  4  6
2  5  7

6） index参数：重新定义index，格式为list，长度必须保持一致

df2 = pd.DataFrame(data2, index = ['f1','f2','f3']) 
print(df2)

–> 输出的结果为：

         one       two
f1  0.492391  0.388535
f2  0.892257  0.774170
f3  0.286267  0.063995

2.2 创建方法二：由Series组成的字典

1）由Series组成的字典创建Dataframe，columns为字典key，index为Series的标签（如果Series没有指定标签，则是默认数字标签）

2）Series可以长度不一样，生成的Dataframe会出现NaN值

data1 = {'one':pd.Series(np.random.rand(2)),
        'two':pd.Series(np.random.rand(3))}  # 没有设置index的Series
data2 = {'one':pd.Series(np.random.rand(2), index = ['a','b']),
        'two':pd.Series(np.random.rand(3),index = ['a','b','c'])}  # 设置了index的Series
print(data1)
print(data2)

–> 输出的结果为：

{'one': 0    0.938612
1    0.065137
dtype: float64, 'two': 0    0.700473
1    0.515553
2    0.205660
dtype: float64}

{'one': a    0.639449
b    0.735204
dtype: float64, 'two': a    0.319101
b    0.910293
c    0.836814
dtype: float64}

将数据转化为Dataframe

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
print(df1)
print(df2)

–> 输出的结果为：

        one       two
0  0.653868  0.059260
1  0.913769  0.245643
2       NaN  0.408164

        one       two
a  0.629215  0.608634
b  0.946682  0.220755
c       NaN  0.763010

2.3 创建方法三：通过二维数组直接创建

1）通过二维数组直接创建Dataframe，得到一样形状的结果数据，如果不指定index和columns，两者均返回默认数字格式

2） index和colunms指定长度与原数组保持一致

ar = np.random.rand(9).reshape(3,3)
print(ar)
df1 = pd.DataFrame(ar)
print(df1)

–> 输出的结果为：（不指定index和columns）

[[0.65868808 0.33375653 0.39760116]
 [0.6693393  0.84839768 0.35256847]
 [0.8817482  0.26198774 0.80020949]]
 
          0         1         2
0  0.658688  0.333757  0.397601
1  0.669339  0.848398  0.352568
2  0.881748  0.261988  0.800209

指定index和columns下创建数据

df2 = pd.DataFrame(ar, index = ['a', 'b', 'c'], columns = ['one','two','three']) 
print(df2)

–> 输出的结果为：

        one       two     three
a  0.658688  0.333757  0.397601
b  0.669339  0.848398  0.352568
c  0.881748  0.261988  0.800209

★★★★★2.4 创建方法四：由字典组成的列表

1）由字典组成的列表创建Dataframe，columns为字典的key，index不做指定则为默认数组标签

2） colunms和index参数分别重新指定相应列及行标签

data = [{'one': 1, 'two': 2}, {'one': 5, 'two': 10, 'three': 20}]
print(data)
df1 = pd.DataFrame(data)

–> 输出的结果为：（默认情况下）

[{'one': 1, 'two': 2}, {'one': 5, 'two': 10, 'three': 20}]

   one  two  three
0    1    2    NaN
1    5   10   20.0

修改index和columns

df2 = pd.DataFrame(data, index = ['a','b'])
df3 = pd.DataFrame(data, columns = ['one','two'])
print(df2)
print(df3)

–> 输出的结果为：

   one  two  three
a    1    2    NaN
b    5   10   20.0

   one  two
0    1    2
1    5   10

2.5 创建方法五：由字典组成的字典

1）columns参数可以增加和减少现有列，如出现新的列，值为NaN

2）index在这里和之前不同，并不能改变原有index，如果指向新的标签，值为NaN （非常重要！）

3）由字典组成的字典创建Dataframe，columns为字典的key，index为子字典的key

data = {'Jack':{'math':90,'english':89,'art':78},
       'Marry':{'math':82,'english':95,'art':92},
       'Tom':{'math':78,'english':67}}
df1 = pd.DataFrame(data)
print(df1)

–> 输出的结果为：（正常情况下的输出）

         Jack  Marry   Tom
math       90     82  78.0
english    89     95  67.0
art        78     92   NaN

修改index和columns参数后

df2 = pd.DataFrame(data, columns = ['Jack','Tom','Bob'])
df3 = pd.DataFrame(data, index = ['a','b','c'])
print(df2)
print(df3)

–> 输出的结果为：

         Jack   Tom  Bob
math       90  78.0  NaN
english    89  67.0  NaN
art        78   NaN  NaN

   Jack  Marry  Tom
a   NaN    NaN  NaN
b   NaN    NaN  NaN
c   NaN    NaN  NaN