2-pandas

查看DataFrame

先创建一个DataFrame

>>> import numpy as np
>>> d = np.random.rand(6,4)
>>> df = pd.DataFrame(data=d,index=['one','two','three','four','five','six'],columns=['A','B','C','D'])
>>> df
              A         B         C         D
one    0.716907  0.714715  0.424210  0.037944
two    0.283037  0.930533  0.695687  0.698150
three  0.303198  0.104441  0.893804  0.071477
four   0.164282  0.824111  0.361558  0.109699
five   0.862284  0.577114  0.157905  0.259883
six    0.268228  0.067560  0.405446  0.852927

• 查看DataFrame中头部和尾部的行

  df.head()  #默认前5行，加入参数n表示前n行
  df.tail()  #默认后5行，加入参数n表示后n行
  

• 显示行列数、索引（即行标签）、列（标签）和numpy 数据：

  df.shape
  
  df.index
  
  df.columns
  
  df.values
  

• describe()函数用于对数据的快速统计汇总：

  >>> df.describe()
                A         B         C         D
  count  6.000000  6.000000  6.000000  6.000000
  mean   0.432989  0.536412  0.489768  0.338347
  std    0.284107  0.368231  0.262155  0.350471
  min    0.164282  0.067560  0.157905  0.037944
  25%    0.271930  0.222609  0.372530  0.081033
  50%    0.293117  0.645914  0.414828  0.184791
  75%    0.613479  0.796762  0.627817  0.588584
  max    0.862284  0.930533  0.893804  0.852927
  

• 查看转置后的数据 df.T，df表格本身没被修改

  >>> df.T
          one       two     three      four      five       six
  A  0.716907  0.283037  0.303198  0.164282  0.862284  0.268228
  B  0.714715  0.930533  0.104441  0.824111  0.577114  0.067560
  C  0.424210  0.695687  0.893804  0.361558  0.157905  0.405446
  D  0.037944  0.698150  0.071477  0.109699  0.259883  0.852927
  

• 按轴进行排序：

  df.sort_index(axis, ascending)

  • axis = 0时表示按行标签排序，ascending=False表示降序，True表升序
  • axis = 1时表示按列标签排序

  >>> df.sort_index(axis=1, ascending= False) 
                D         C         B         A
  one    0.037944  0.424210  0.714715  0.716907
  two    0.698150  0.695687  0.930533  0.283037
  three  0.071477  0.893804  0.104441  0.303198
  four   0.109699  0.361558  0.824111  0.164282
  five   0.259883  0.157905  0.577114  0.862284
  six    0.852927  0.405446  0.067560  0.268228
  

提取数据

• 提取列

  1. df.列名
  2. df['列名']

  >>> df.A
  one      0.716907
  two      0.283037
  three    0.303198
  four     0.164282
  five     0.862284
  six      0.268228
  Name: A, dtype: float64
  
  >>> df['A']
  one      0.716907
  two      0.283037
  three    0.303198
  four     0.164282
  five     0.862284
  six      0.268228
  Name: A, dtype: float64
  

• 提取行（利用切片方式）：

  1. 使用索引方法，如 df[1:3], df[1:5]
  2. 使用标签方法，如 df['one':'three'],

  >>> df[1:3]
                A         B         C         D
  two    0.283037  0.930533  0.695687  0.698150
  three  0.303198  0.104441  0.893804  0.071477
  
  #或者
  >>> df['two':'three']
                A         B         C         D
  two    0.283037  0.930533  0.695687  0.698150
  three  0.303198  0.104441  0.893804  0.071477
  

• 指定行和列（标签切片）df.loc[]

    df.loc[:, :],                     #所有行所有列
    df.loc[:,['A','B']],              #所有行，只有 A、B列
    df.loc['one':'four',['A','C']]  ，#第 one~four 行，只有A、C列
  

  ---

  >>> df.loc['one':'four',['A','C']]  
                A         C
  one    0.716907  0.424210
  two    0.283037  0.695687
  three  0.303198  0.893804
  four   0.164282  0.361558
  

  指定某行某列的一个数据

  df.loc['three','B'] ,#第3行的第B列的数据
  df.loc['three',['B','C']]，#第3行的第B、C列的数据
  

• 指定行和列（数值切片）：df.iloc[]

  用法与 df.loc[]一样，只是df.loc[] 用的是标签名（什么行什么列），而 df.iloc[],用的是数字（第几行第几列）。

• 快速获取或修改某一个数据df.iat[行,列]

  获取第0行第0列的值：

  >>>df.iat[0,0]
  0.716907
  

  修改第0行第0列的值为1.111：

  >>>df.iat[0,0] = 1.111
  df
                A         B         C         D
  one    1.111000  0.714715  0.424210  0.037944
  two    0.283037  0.930533  0.695687  0.698150
  three  0.303198  0.104441  0.893804  0.071477
  four   0.164282  0.824111  0.361558  0.109699
  five   0.862284  0.577114  0.157905  0.259883
  six    0.268228  0.067560  0.405446  0.852927
  

小结：

本次学习了以下知识点

• 查看：几个函数 head(n)、tail(n)、shape、index、columns、values、describe()

• 提取：

  列：df.A、df["A"]

  行：df[:]

  三个函数：loc[], iloc[], iat[]