2-05 DataFrame 操作

2.5 DataFrame 操作

DataFrame 是一种二维的数据结构，接近于 EXCEL 或者数据库表格的形式。它的竖行称之为 columns，就是先前的列，可以直接对应成跟前面的 Series ；先前的行，称之为 索引 (index)，也就是说可以通过 columns 和 index 来确定一个元素的位置。底下实例透过 字典 (dictionary) 结构来创建一个 DataFrame，字典的键 (key)（“UserName”, “Age”, “Sex”, “Salary”）就是 DataFrame 的 columns 的值，字典中每个键的值 (value) 是一个 Series ，它们就是那一竖列中的具体填充数据，透过 shape 属性来检查 DataFrame 的行列大小为 (3, 4)。底下的定义中没有定义索引，所以，就是从 0 开始的整数。

实例

import pandas as pd
dict = {
    "UserName": ["Braund",
             "Allen",
             "Bonnell"],
    "Age": [22, 35, 58],
    "Sex": ["male", "male", "female"],
    "Salary": [5000, 6000, 10000]
    }
df = pd.DataFrame(dict)
print(df)
print(df.shape)
print(type(df),type(df['UserName']))
print('Series from DataFrame :\n', df['UserName'])
  
# 输出结果如下：
  UserName  Age     Sex  Salary
0   Braund   22    male    5000
1    Allen   35    male    6000
2  Bonnell   58  female   10000
  
(3, 4)
  
<class 'pandas.core.frame.DataFrame'> <class 'pandas.core.series.Series'>
  
Series from DataFrame :
0     Braund
1      Allen
2    Bonnell
Name: UserName, dtype: object

在 DataFrame 中，columns 其顺序可以被规定，跟 Series 类似的，DataFrame 数据的索引也能够自定义，如下所示。

实例

df2 = pd.DataFrame(dict,columns=['UserName','Salary','Age', 'Sex'],index=['a','b','c'])
print(df2)
  
# 输出结果如下：
  UserName  Salary  Age     Sex
a   Braund    5000   22    male
b    Allen    6000   35    male
c  Bonnell   10000   58  female

定义 DataFrame 的方法，除了上面的之外，还可以使用“字典套字典”的方式，第一层的键为 columns，第二层的键为 index ，第二层的值就是 DataFrame 的值了，字典中定义好了每个数据格子中的数据，没有定义的都是空 (NaN)。以下实例演示三种不同的情况。

实例

# 两个数据 index 数量不同
dictIndict1 = {'lang':{'first':'python','second':'java'},'price':{'first':5000,'second':2000,'third':3000}}
print(pd.DataFrame(dictIndict1))
# 两个数据 index 名称与数量不同
dictIndict2 = {'lang':{'first':'python','second':'java'},'price':{'1st':5000,'2nd':2000,'3rd':3000}}
print(pd.DataFrame(dictIndict2))
# 有三层 dict 结构
dictIndict3 = {'lang':{'first':'python','second':'java'},'price':{'1st':5000,'2nd':2000,'3rd':{'x':3000}}}
print(pd.DataFrame(dictIndict3))
  
# 输出结果如下：
          lang  price
first   python   5000
second    java   2000
third      NaN   3000
  
         lang   price
first   python     NaN
second    java     NaN
1st        NaN  5000.0
2nd        NaN  2000.0
3rd        NaN  3000.0
  
          lang        price
first   python          NaN
second    java          NaN
1st        NaN         5000
2nd        NaN         2000
3rd        NaN  {'x': 3000}
  

DataFrame 最大的好处可以以轻松的操作数据，以下范例来新增一竖列，并透过 Series 来赋予新值

实例

df3 = pd.DataFrame(dict,columns=['UserName','Salary','Age', 'Sex', 'Marriage'])
# 对所有行直接指定同一个值
df3['Marriage'] = '已婚'
print(df3)
MarriageStatus = pd.Series(['已婚','未婚','未婚'])
df3['Marriage'] = MarriageStatus
print(df3)
  
# 输出结果如下：
  UserName  Salary  Age     Sex Marriage
0   Braund    5000   22    male       已婚
1    Allen    6000   35    male       已婚
2  Bonnell   10000   58  female       已婚
  
  UserName  Salary  Age     Sex Marriage
0   Braund    5000   22    male       已婚
1    Allen    6000   35    male       未婚
2  Bonnell   10000   58  female       未婚

References

• NumPy 教程，https://www.runoob.com/numpy/numpy-tutorial.html
• Python 3 教程，https://www.runoob.com/python3/python3-tutorial.html
• pandas documentation，https://pandas.pydata.org/pandas-docs/stable/index.html
• Installing pandas, https://pandas.pydata.org/pandas-docs/stable/getting_started/install.html
• Python Package Index, https://pypi.org/
• Python下opencv库的安装过程与一些问题汇总，https://www.cnblogs.com/BIXIABUMO/p/12440634.html
• Links for opencv-python, https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/opencv-python/