python：pandas中dataframe的基本用法汇总

 

更加详细的内容可以查看：https://blog.csdn.net/hhtnan/article/details/80080240 （基本函数整理）

https://blog.csdn.net/LY_ysys629/article/details/54428838

https://www.cnblogs.com/timotong/p/9678490.html

一.  DataFrame的创建

　　创建一个空的dataframe 

1	df=pd.DataFrame(columns={"a":"","b":"","c":""},index=[0])

　　out:

1 2	a    c    b 0  NaN  NaN  NaN

　用list的数据创建dataframe：

1 2 3

a = [['2', '1.2', '4.2'], ['0', '10', '0.3'], ['1', '5', '0']] df = pd.DataFrame(a, columns=['one', 'two', 'three']) print df

　　out：

1 2 3 4

one  two three 0   2  1.2   4.2 1   0   10   0.3 2   1    5     0

 　　用numpy的矩阵创建dataframe

1 2	array = np.random.rand(5,3) df = pd.DataFrame(array,columns=['first','second','third'])

　　用dict的数据创建DataFrame

1 2	data = { 'row1' : [1,2,3,4], 'row2' : ['a' , 'b' , 'c' , 'd'] } df = pd.DataFrame(data)

 

1 2	dict = { 'row1' : [1,2,3,4], 'row2' : ['a' , 'b' , 'c' , 'd'] } df = pd.DataFrame.from_dict(dict,orient='index').T

　　　

　　读取csv或者excel文件为DataFrame格式

1	df=pd.read_csv('D:/Program Files/example.csv')

　　excel一个表格中可能有多个sheet，sheetname可以进行选取

1	df = df.read_excel('D:/Program Files/example.xls',sheetname=0)

　　

---

 

二. DataFrame的一些描述和类型

　　 describe会显示dataframe的一些基本统计数据，数量、均值、中位数、标准差等

　　 head会显示dataframe的前几行，后几行：

1 2	print df.describe() print df.head()<br>print df.tail(10)

　　单独计算某列的统计值

1 2 3 4 5

df['one'].sum() df['one'].mean() df['one'].count() df['one'].max() df['one'].min()

　　查看dataframe的数据类型：

1	print （df.dtypes）

　　查看dataframe的数据数目：

1	print （df.size）

　　查看dataframe的形状：

1	print (df.shape)

　　返回列数：

1	print (df.ndim)

　　查看横纵坐标的标签名：

1	print (df.axes)

　　

---

 

三. DataFrame的切片

　　iloc索引或切片（iloc中只能取整数值）：

1 2 3

print df.iloc[1,:] #第1行，所有列 print df.iloc[:,[0,2]] #第0行，第0列和第2列 print df['one'].iloc[2] #列名索引+行号

　　loc索引或切片（loc中可以取str）：

1	print data.loc[0:1, ['one', three']] #

　　筛选出dataframe中有某一个或某几个字符串的列：

1 2	list=['key1','key2'] df = df[df['one'].isin(list)]

　　筛选出dataframe中不含某一个或某几个字符串的列，相当于反选

1	df = df[~df['one'].isin(list)]

　　

---

 

四. 缺失值的处理

　　缺失值可以删除也可以用均值或者0等数填充：

1 2	df.fillna(df1.mean()) df.fillna(0)

　删除缺失值时可以指定列：

1	df = df.dropna(subset=['one','two'])

　　

---

 

五. 去重、删除行或列

　　去重需要在subset指定哪一列的值进行筛选，如果不选择的话默认整行的值全部一样才去掉

　　first表示保留第一个出现的值所在行，last表示保留最后一个出现的重复值所在的行，false表示重复的行全部删除

1	df=df.drop_duplicates(subset='one',keep='first')

　　去除有NaN值的行或列(axis=0去除行，=1去除列)：

1 2	df = df.dropna(axis=0) df = df.dropna(axis=1)

　　去除某一列：

1	df = df.drop(['one'],axis=1)

　　去除含有某一个数的行：

1 2	row_list = df[df.one == 2].index.tolist() # 获得含有该值的行的行号 df = df.drop(row_list)

　　

---

 

 六. DataFrame的修改

　　修改数据类型

1	df['one']=pd.DataFrame(df['one'],dtype=np.float)

　　修改列名（需要写上所有列名，包括需要修改的和不需要修改的）：

1	df.columns = ['first','second','all']

　　修改列名（只需写上需要修改的列）

1	df.rename(columns = {'one':'first','two':'second'},inplace = True) #inplace=True表示修改df，若为False表示只返回一个修改后的数据

　　重排序(by可以取多个列名,默认升序)：

1	df = df.sort_values(by=['one'],ascending = True)

1	df = df.sort_index(axis = 0,ascending = True,by = 'one')

1	df = df.sort(columns = ['one'],axis = 0,ascending = True)

　　修改数据

1	df.iloc[1,2] = 10

　　用已有的列进行运算创建新的列

1	df['new_colume'] = df['one'] + df['two']

　　

---

 

七. dataframe更改索引

　　当删除掉不需要的行时，行索引会变的不连续，这时候可以重新设计新的索引

1 2	df['index']=range(len(df['one'])) df.set_index('index')

　　设置时间序列为索引

1 2 3

dd = pd.date_range(start='4/1/2018',periods=5) #dd = pd.date_range('4/1/2018','4/5/2018') df = df.set_index(dd)

　　

---

 

 八. 添加新的行，将两个dataframe连接到一起

　　axis表示连接的方向，axis=0表示两个dataframe的行数会增加，如果列名相同则直接共用列，如果列名不同会生成新的列；axis=1，表示会加上新的列

1	df=pd.concat([df,df],axis=0) # 连接后行数是以前的2倍，列数不变

　　 在dataframe添加新的行

1	df = df.append(df.loc[2,:],,ignore_index=True)

　　如果两个dataframe的列名是一样的，也可以用merge：

1	df = pd.merge(df,df)

　　

---

 

九. DataFrame的输出

　　输出为excel或者csv格式,csv文件里的数据被读取时数据类型默认为object，excel则会保留原有的数据类型

1 2	df.to_excel('path/filename.xls') df.to_csv('path/filename.csv')

　　输出为numpy的矩阵格式

1	matrix = df.ax_matrix()

　　输出为dict格式

1	dict = df.to_dict(orient="dict")