pandas——DataFrame基本操作(一)
实验目的
熟练掌握pandas中DataFrame的基本操作
实验原理
DataFrame提供的是一个类似表的结构,由多个Series组成,而Series在DataFrame中叫columns。
一、查看数据(查看对象的方法对于Series来说同样适用)
1.查看DataFrame前xx行或后xx行
a=DataFrame(data);
a.head(6)表示显示前6行数据,若head()中不带参数则会显示全部数据。
a.tail(6)表示显示后6行数据,若tail()中不带参数则也会显示全部数据。
2.查看DataFrame的index,columns以及values
a.index ; a.columns ; a.values 即可
3.describe()函数对数据快速统计汇总
a.describe()对每一列数据进行统计,包括计数,均值,std,各个分位数等。
4.对数据的转置
a.T
5.对轴进行排序
a.sort_index(axis=1,ascending=False);
其中axis=1表示对所有的columns进行排序,下面的数也跟着发生移动。后面的ascending=False表示按降序排列,参数缺失时默认升序。
6.对DataFrame中的值排序
a.sort(columns=‘x’)
即对a中的x这一列,从小到大进行排序。注意仅仅是x这一列,而上面的按轴进行排序时会对所有的columns进行操作。
二、选择对象
1.选择特定列和行的数据
a[‘x’] 那么将会返回columns为x的列,注意这种方式一次只能返回一个列。a.x与a[‘x’]意思一样。
取行数据,通过切片[]来选择
如:a[0:3] 则会返回前三行的数据。
2.loc是通过标签来选择数据
a.loc[‘one’]则会默认表示选取行为’one’的行;
a.loc[:,[‘a’,‘b’] ] 表示选取所有的行以及columns为a,b的列;
a.loc[[‘one’,‘two’],[‘a’,‘b’]] 表示选取’one’和’two’这两行以及columns为a,b的列;
a.loc[‘one’,‘a’]与a.loc[[‘one’],[‘a’]]作用是一样的,不过前者只显示对应的值,而后者会显示对应的行和列标签。
3.iloc则是直接通过位置来选择数据
这与通过标签选择类似
a.iloc[1:2,1:2] 则会显示第一行第一列的数据;(切片后面的值取不到)
a.iloc[1:2] 即后面表示列的值没有时,默认选取行位置为1的数据;
a.iloc[[0,2],[1,2]] 即可以自由选取行位置,和列位置对应的数据。
4.使用条件来选择
使用单独的列来选择数据
a[a.c>0] 表示选择c列中大于0的数据
使用where来选择数据
a[a>0] 表直接选择a中所有大于0的数据
使用isin()选出特定列中包含特定值的行
a1=a.copy()
a1[a1[‘one’].isin([‘2’,‘3’])] 表显示满足条件:列one中的值包含’2’,'3’的所有行。
三、设置值(赋值)
赋值操作在上述选择操作的基础上直接赋值即可。
例a.loc[:,[‘a’,‘c’]]=9 即将a和c列的所有行中的值设置为9
a.iloc[:,[1,3]]=9 表示1和2列的所有行中的值设置为9
同时也依然可以用条件来直接赋值
a[a>0]=-a 表示将a中所有大于0的数转化为负值
实验环境
Jupyter
Python 3.6.1
实验内容
练习pandas中DataFrame的创建与查询操作。
pandas——Dataframe
import pandas as pd
import numpy as np
1.创建DataFrame
dates = pd.date_range('20130101', periods=6)
dates
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
'2013-01-05', '2013-01-06'],
dtype='datetime64[ns]', freq='D')
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
df
| A | B | C | D |
---|
2013-01-01 | 0.847546 | 1.291573 | -2.720510 | -0.348135 |
---|
2013-01-02 | 0.076341 | 0.658714 | -0.235546 | 1.602669 |
---|
2013-01-03 | -1.856730 | -0.676007 | 0.676585 | 1.091858 |
---|
2013-01-04 | 1.413553 | 0.994145 | 1.097863 | 0.854707 |
---|
2013-01-05 | -1.406686 | 0.731920 | 1.428273 | 0.260309 |
---|
2013-01-06 | -0.342040 | 1.599849 | -2.143358 | -0.986746 |
---|
2.基础操作
1)查看df的前5行
df.head()
| A | B | C | D |
---|
2013-01-01 | 0.847546 | 1.291573 | -2.720510 | -0.348135 |
---|
2013-01-02 | 0.076341 | 0.658714 | -0.235546 | 1.602669 |
---|
2013-01-03 | -1.856730 | -0.676007 | 0.676585 | 1.091858 |
---|
2013-01-04 | 1.413553 | 0.994145 | 1.097863 | 0.854707 |
---|
2013-01-05 | -1.406686 | 0.731920 | 1.428273 | 0.260309 |
---|
2) 查看df的后3行
df.tail(3)
| A | B | C | D |
---|
2013-01-04 | 1.413553 | 0.994145 | 1.097863 | 0.854707 |
---|
2013-01-05 | -1.406686 | 0.731920 | 1.428273 | 0.260309 |
---|
2013-01-06 | -0.342040 | 1.599849 | -2.143358 | -0.986746 |
---|
3) 查看df的索引名index。
df.index
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04', '2013-01-05', '2013-01-06'], dtype='datetime64[ns]', freq='D')
4) 查看df的列名columns
df.columns
Index(['A', 'B', 'C', 'D'], dtype='object')
5) 查看df的值values
df.values
array([[ 0.84754585, 1.29157257, -2.72051013, -0.34813522], [ 0.0763413 , 0.65871447, -0.23554552, 1.60266872], [-1.85672977, -0.67600652, 0.67658458, 1.09185836], [ 1.41355302, 0.99414462, 1.09786345, 0.85470695], [-1.40668588, 0.73192013, 1.42827312, 0.26030856], [-0.34203952, 1.59984894, -2.143358 , -0.98674647]])
6) 查看df的数据统计描述
df.describe()
| A | B | C | D |
---|
count | 6.000000 | 6.000000 | 6.000000 | 6.000000 |
---|
mean | -0.211336 | 0.766699 | -0.316115 | 0.412443 |
---|
std | 1.264715 | 0.789384 | 1.740925 | 0.962621 |
---|
min | -1.856730 | -0.676007 | -2.720510 | -0.986746 |
---|
25% | -1.140524 | 0.677016 | -1.666405 | -0.196024 |
---|
50% | -0.132849 | 0.863032 | 0.220520 | 0.557508 |
---|
75% | 0.654745 | 1.217216 | 0.992544 | 1.032571 |
---|
max | 1.413553 | 1.599849 | 1.428273 | 1.602669 |
---|
7) df的转置
df.T
| 2013-01-01 | 2013-01-02 | 2013-01-03 | 2013-01-04 | 2013-01-05 | 2013-01-06 |
---|
A | 0.847546 | 0.076341 | -1.856730 | 1.413553 | -1.406686 | -0.342040 |
---|
B | 1.291573 | 0.658714 | -0.676007 | 0.994145 | 0.731920 | 1.599849 |
---|
C | -2.720510 | -0.235546 | 0.676585 | 1.097863 | 1.428273 | -2.143358 |
---|
D | -0.348135 | 1.602669 | 1.091858 | 0.854707 | 0.260309 | -0.986746 |
---|
8) 按axis对df数据进行排序,axis=1表示按行排序,axis=0表示按列排序
df.sort_index(axis=1,ascending=False)
| D | C | B | A |
---|
2013-01-01 | -0.348135 | -2.720510 | 1.291573 | 0.847546 |
---|
2013-01-02 | 1.602669 | -0.235546 | 0.658714 | 0.076341 |
---|
2013-01-03 | 1.091858 | 0.676585 | -0.676007 | -1.856730 |
---|
2013-01-04 | 0.854707 | 1.097863 | 0.994145 | 1.413553 |
---|
2013-01-05 | 0.260309 | 1.428273 | 0.731920 | -1.406686 |
---|
2013-01-06 | -0.986746 | -2.143358 | 1.599849 | -0.342040 |
---|
9) 按value对df数据和进行排序
df.sort_values(by='B')
| A | B | C | D |
---|
2013-01-03 | -1.856730 | -0.676007 | 0.676585 | 1.091858 |
---|
2013-01-02 | 0.076341 | 0.658714 | -0.235546 | 1.602669 |
---|
2013-01-05 | -1.406686 | 0.731920 | 1.428273 | 0.260309 |
---|
2013-01-04 | 1.413553 | 0.994145 | 1.097863 | 0.854707 |
---|
2013-01-01 | 0.847546 | 1.291573 | -2.720510 | -0.348135 |
---|
2013-01-06 | -0.342040 | 1.599849 | -2.143358 | -0.986746 |
---|
3.Selection查看操作
1) 查看df中的A列,返回一个Series
df['A']
2013-01-01 0.8475462013-01-02 0.0763412013-01-03 -1.8567302013-01-04 1.4135532013-01-05 -1.4066862013-01-06 -0.342040Freq: D, Name: A, dtype: float64
2)通过[ ] (切片)查看df的行片段
df[0:3]
| A | B | C | D |
---|
2013-01-01 | 0.847546 | 1.291573 | -2.720510 | -0.348135 |
---|
2013-01-02 | 0.076341 | 0.658714 | -0.235546 | 1.602669 |
---|
2013-01-03 | -1.856730 | -0.676007 | 0.676585 | 1.091858 |
---|
4.通过label查看df数据 (花式索引)
1) 使用loc查看df中dates[0]的部分
df.loc[dates[0]]
A 0.847546B 1.291573C -2.720510D -0.348135Name: 2013-01-01 00:00:00, dtype: float64
2)使用loc查看A、B两列的值
df.loc[:,['A','B']]
| A | B |
---|
2013-01-01 | 0.847546 | 1.291573 |
---|
2013-01-02 | 0.076341 | 0.658714 |
---|
2013-01-03 | -1.856730 | -0.676007 |
---|
2013-01-04 | 1.413553 | 0.994145 |
---|
2013-01-05 | -1.406686 | 0.731920 |
---|
2013-01-06 | -0.342040 | 1.599849 |
---|
3) 使用loc查看日期从20130102到20130104的A,B两列的值
df.loc['20130102':'20130104',['A','B']]
| A | B |
---|
2013-01-02 | 0.076341 | 0.658714 |
---|
2013-01-03 | -1.856730 | -0.676007 |
---|
2013-01-04 | 1.413553 | 0.994145 |
---|
4) 减少维度,查看日期为20130102中A,B两列的值
df.loc['20130102',['A','B']]
A 0.076341B 0.658714Name: 2013-01-02 00:00:00, dtype: float64
5) 得到一个标量值,使用loc查看df中date[0],A列的值
df.loc[dates[0],['A']]
A 0.847546Name: 2013-01-01 00:00:00, dtype: float64
df.loc[dates[0],'A']
0.8475458518680259
6) 使用at快速查找df中dates[0],A列的值。
df.at[dates[0],'A']
0.8475458518680259
5.通过位置查看df数据(位置索引)
1)使用iloc查看df的第4行数据
df.iloc[3]
A 1.413553B 0.994145C 1.097863D 0.854707Name: 2013-01-04 00:00:00, dtype: float64
2) 使用iloc查看df中行下标为3:5,列下标为0:2的数据(不包含行下标为5的行,也不包含列下标为2的列)
df.iloc[3:5,0:2]
| A | B |
---|
2013-01-04 | 1.413553 | 0.994145 |
---|
2013-01-05 | -1.406686 | 0.731920 |
---|
3) 使用iloc查看df中行下标为1,2,4,列下标为0,2的数据
df.iloc[[1,2,4],[0,2]]
| A | C |
---|
2013-01-02 | 0.076341 | -0.235546 |
---|
2013-01-03 | -1.856730 | 0.676585 |
---|
2013-01-05 | -1.406686 | 1.428273 |
---|
4) 使用iloc查看df行下标为1:3的数据(不包含下标为3的行)。
df.iloc[1:3,:]
| A | B | C | D |
---|
2013-01-02 | 0.076341 | 0.658714 | -0.235546 | 1.602669 |
---|
2013-01-03 | -1.856730 | -0.676007 | 0.676585 | 1.091858 |
---|
5) 使用iloc查看df行列下标都为1的值
df.iloc[1,1]
0.658714467091628
6) 使用iat方法快速查看df中行列下标均为1的值。
df.iat[1,1]
0.658714467091628
6.使用布尔索引查看df的数据
1)查看df中满足df.A>0布尔条件的值
df[df.A>0]
| A | B | C | D |
---|
2013-01-01 | 0.847546 | 1.291573 | -2.720510 | -0.348135 |
---|
2013-01-02 | 0.076341 | 0.658714 | -0.235546 | 1.602669 |
---|
2013-01-04 | 1.413553 | 0.994145 | 1.097863 | 0.854707 |
---|
2) 查看df中满足df>0布尔条件的值
df[df>0]
| A | B | C | D |
---|
2013-01-01 | 0.847546 | 1.291573 | NaN | NaN |
---|
2013-01-02 | 0.076341 | 0.658714 | NaN | 1.602669 |
---|
2013-01-03 | NaN | NaN | 0.676585 | 1.091858 |
---|
2013-01-04 | 1.413553 | 0.994145 | 1.097863 | 0.854707 |
---|
2013-01-05 | NaN | 0.731920 | 1.428273 | 0.260309 |
---|
2013-01-06 | NaN | 1.599849 | NaN | NaN |
---|
3) 使用copy方法赋值df给df2,为df2添加列名为E,值为[‘one’, ‘one’,‘two’,‘three’,‘four’,‘three’]的列,再使用isin()方法过滤出df中满足df2.E在[‘two’,‘four’]的数据。
df2=df.copy() df2
| A | B | C | D |
---|
2013-01-01 | 0.847546 | 1.291573 | -2.720510 | -0.348135 |
---|
2013-01-02 | 0.076341 | 0.658714 | -0.235546 | 1.602669 |
---|
2013-01-03 | -1.856730 | -0.676007 | 0.676585 | 1.091858 |
---|
2013-01-04 | 1.413553 | 0.994145 | 1.097863 | 0.854707 |
---|
2013-01-05 | -1.406686 | 0.731920 | 1.428273 | 0.260309 |
---|
2013-01-06 | -0.342040 | 1.599849 | -2.143358 | -0.986746 |
---|
df2['E']=['one', 'one','two','three','four','three'] df2
| A | B | C | D | E |
---|
2013-01-01 | 0.847546 | 1.291573 | -2.720510 | -0.348135 | one |
---|
2013-01-02 | 0.076341 | 0.658714 | -0.235546 | 1.602669 | one |
---|
2013-01-03 | -1.856730 | -0.676007 | 0.676585 | 1.091858 | two |
---|
2013-01-04 | 1.413553 | 0.994145 | 1.097863 | 0.854707 | three |
---|
2013-01-05 | -1.406686 | 0.731920 | 1.428273 | 0.260309 | four |
---|
2013-01-06 | -0.342040 | 1.599849 | -2.143358 | -0.986746 | three |
---|
df[df2['E'].isin(['two','four'])]
| A | B | C | D |
---|
2013-01-03 | -1.856730 | -0.676007 | 0.676585 | 1.091858 |
---|
2013-01-05 | -1.406686 | 0.731920 | 1.428273 | 0.260309 |
---|