pandas入门_DataFrame

DataFrame

表示一种矩阵的数据表，数据存储在二维块，既有行索引又有列索引。

1.构建DataFrame，最常用的是利用等长度列表和Numpy数组字典的形式形成DataFrame:(所有列序的长度必须相等)

In [28]: data={'state':['one','two','three','four','five'],
    ...: 'year':[2000,2001,202,2003,2004],
    ...: 'pop':[1.5,4,5,9,10.2]}

In [29]: frame=pd.DataFrame(data)

另一种构造方法使用字典的嵌套：

In [56]: data1={'NAV':{1:2000,2:2020,3:2016},
    ...: 'ONI':{1:'HELLO',2:'ARE',3:'YOU',4:'BRO'}}

In [57]: frame3=pd.DataFrame(data1)

In [58]: frame3
Out[58]:
      NAV    ONI
1  2000.0  HELLO
2  2020.0    ARE
3  2016.0    YOU
4     NaN    BRO

2.产生的DataFrame自动为Series分配索引，并顺序排序：（’‘索引可自定义，pd.DataFrame(data,index=[])’’)

In [30]: frame
Out[30]:
   state  year   pop
0    one  2000   1.5
1    two  2001   4.0
2  three   202   5.0
3   four  2003   9.0
4   five  2004  10.2

3.如果指定列顺序，则DataFrame按照指定顺序排序：

In [31]: pd.DataFrame(data,columns=['year','state','pop'])
Out[31]:
   year  state   pop
0  2000    one   1.5
1  2001    two   4.0
2   202  three   5.0
3  2003   four   9.0
4  2004   five  10.2

4.可以按列进行检索：

In [32]: frame.year
Out[32]:
0    2000
1    2001
2     202
3    2003
4    2004
Name: year, dtype: int64

In [33]: frame['year']
Out[33]:
0    2000
1    2001
2     202
3    2003
4    2004
Name: year, dtype: int64

也可进行修改：

In [34]: frame['year']=[2010,2012,2014,2016,2020]

In [35]: frame
Out[35]:
   state  year   pop
0    one  2010   1.5
1    two  2012   4.0
2  three  2014   5.0
3   four  2016   9.0
4   five  2020  10.2

注意：frame[column]对于任意的列名有效，但是frame.column只能是列名符合Python变量名时有效。

5.可以进行按行检索：

In [38]: frame.loc[2]
Out[38]:
state    three
year      2014
pop          5
Name: 2, dtype: object

6.增加一列：In [39]: frame2=pd.DataFrame(data,columns=[‘year’,‘state’,‘pop’,‘debt’])

In [40]: frame2
Out[40]:
   year  state   pop debt
0  2000    one   1.5  NaN
1  2001    two   4.0  NaN
2   202  three   5.0  NaN
3  2003   four   9.0  NaN
4  2004   five  10.2  NaN

NaN为默认缺失。

7.将Series赋值给debt。

In [44]: val=pd.Series(['x','y','z'],index=[1,3,4])

In [45]: frame2['debt']=val

In [46]: frame2
Out[46]:
   year  state   pop debt
0  2000    one   1.5  NaN
1  2001    two   4.0    x
2   202  three   5.0  NaN
3  2003   four   9.0    y
4  2004   five  10.2    z

Series的索引按照DataFrame的索引重新排序，缺失地方填充缺失。

8.如果被赋值的列不存在，即自动生成新的列，del关键字用来删除列，

如：增加一bool列，判断year是否为2016：

In [54]: frame['bool']=frame.year==2016

In [55]: frame
Out[55]:
   state  year   pop   bool
0    one  2010   1.5  False
1    two  2012   4.0  False
2  three  2014   5.0  False
3   four  2016   9.0   True
4   five  2020  10.2  False

注意：frame.column不能创建新的列。

从DataFrame选取的列视图，并不是拷贝。

9.DataFrame的values属性返回数据以二维的ndarray:

In [59]: frame3.values
Out[59]:
array([[2000.0, 'HELLO'],
       [2020.0, 'ARE'],
       [2016.0, 'YOU'],
       [nan, 'BRO']], dtype=object)

10.pandas的索引对象：任意数组或者标签序列都可以作为索引对象

In [60]: label=pd.Index(np.arange(3))

In [61]: obj_1=pd.Series(['ONI','ENV','FRE'],index=label)

In [62]: obj_1
Out[62]:
0    ONI
1    ENV
2    FRE
dtype: object

append方法：将一个索引续接到另一个后面

In [63]: label_2=pd.Index(np.arange(3,6))
In [65]: label_2
Out[65]: Int64Index([3, 4, 5], dtype='int64')
    
In [67]: label_1=pd.Index(np.arange(3))
In [68]: label_1
Out[68]: Int64Index([0, 1, 2], dtype='int64')

In [69]: label_0=label_1.append(label_2)
In [70]: label_0
Out[70]: Int64Index([0, 1, 2, 3, 4, 5], dtype='int64')