一文搞懂Python DataFrame创建取值

目录

1、DataFrame和Series

1.1 什么是DataFrame？

1.2 什么是Series？

2、DataFrame的创建

2.1 创建空的Dataframe

2.2  字典类型→DataFrame

2.3 列表类型→DataFrame

2.4 用numpy中的array生成→DataFrame

2.5 将Excel/csv文件转换为Pandas DataFrame

3、DataFrame取值：

4、区别.loc[[i]]与iloc[[i]]：

4.1 loc：

4.2 iloc：

 4.3 ix

4.4 iat[,]

---

1、DataFrame和Series

1.1 什么是DataFrame？

DataFrame：一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)，DataFrame即有行索引也有列索引，可以被看做是由Series组成的字典。

1.2 什么是Series？

Series 是一个一维数组对象 ，类似于 NumPy 的一维 array。它除了包含一组数据还包含一组索引，所以可以把它理解为一组带索引的数组。

2、DataFrame的创建

2.1 创建空的Dataframe

df = pd.DataFrame(columns=['A', 'B', 'C'], index=[0,1,2])

    columns参数用来定义列名，index参数用来定义行号。上面的代码创建了一个3行3列的二维数据表，结果看起来是这样：

嗯，所有数据项都是NaN。

2.2  字典类型→DataFrame

方法1：直接使用pd.DataFrame(data=test_dict)，具体如下：

import pandas as pd

# 用传入等长列表组成的字典来创建(用DataFrame自带索引) 自带列名
test_dict = {
             'id':[1,2,3,4,5,6],
             'name':['Alice','Bob',
             'Cindy','Eric','Helen','Grace '],
             'math':[90,89,99,78,97,93],
             'english':[89,94,80,94,94,90]
             }
test_dict_df = pd.DataFrame(test_dict)

# 传入嵌套字典（字典的值也是字典）创建DataFrame (使用字典内嵌索引) 自带列名
nest_dict = {
             'shanghai': {2015: 100, 2016: 101}, 
             'beijing': {2015: 102, 2016: 103}}

test_dict_df2 = pd.DataFrame(nest_dict)

就得到了一个DataFrame，如下

方法2：使用from_dict方法：

test_dict_df = pd.DataFrame.from_dict(test_dict)

2.3 列表类型→DataFrame

import pandas as pd

test_list = [[1,2,3],['a','b','c']]
test_list_df = pd.DataFrame(test_list)

其结果如下：

2.4 用numpy中的array生成→DataFrame

import numpy as np
import pandas as pd

data_arr = np.arange(15).reshape(3,5)
data_arr_df = pd.DataFrame (data_arr)

2.5 将Excel/csv文件转换为Pandas DataFrame

如读取“excel.xlsx" 文件 ，那么可以使用下面的代码将其转换为Pandas DataFrame：

import pandas as pd

# 文件路径
excel_path = r'E:\users\xuebf\Desktop\excel.xlsx'
csv_path = r'E:\users\xuebf\Desktop\csv.csv'
excel_df = pd.read_excel(excel_path)       # 读取excel文件
csv_df = pd.read_csv(excel_path)           # 读取csv文件

    另外读取excel或者csv文件有时候注意编码格式，可以指定encoding参数。否则容易出现乱码。

3、DataFrame取值：

DataFrame取值方式

	取值内容	使用值属性
data['w']	选择表格中的'w'列，使用类字典属性	返回的是Series类型，多列不能采用此种方法
data.w	选择表格中的'w'列，使用点属性	返回的是Series类型
data[['w']]	选择表格中的'w'列	返回的是DataFrame属性
data[['w','z']]	选择表格中的'w'、'z'列	返回的是DataFrame属性
data[0:2]	返回第1行到第2行的所有行，前闭后开	返回的是DataFrame属性
data[1:2]	返回第2行，从0开始计，返回的是单行，通过有前后值的索引形式	返回的是DataFrame属性
data.ix[1:2]	返回第2行的第三种方法	返回的是DataFrame属性
data['a':'b']	利用index值进行切片，前闭后闭	返回的是DataFrame属性
data.head()	取data的前几行数据，默认为前五行	返回的是DataFrame属性
data.tail()	取data的后几行数据，默认为后五行	返回的是DataFrame属性
data.iloc[-1]	选取DataFrame最后一行	返回的是Series类型
data.iloc[-1:]	选取DataFrame最后一行	返回的是DataFrame
data.iloc[:,-1]	选取DataFrame最后一列	返回的是Series类型
data.iloc[:,[-1]]	选取Dataframe最后一列	返回的是DataFrame属性
data.iloc[-1,-1]	选取DataFrame最后一行最后一列	返回的是str或数字
data.loc['a',['w','x']]	返回‘a’行'w'、'x'列	返回的是DataFrame属性
data.iat[1,1]	取第二行第二列，用于已知行、列位置的选取	返回的是str或数字

4、区别.loc[[i]]与iloc[[i]]：

    .loc[[i]]与iloc[[i]]都是选取某一行的数据，loc按照标签进行索引，iloc按照位置进行索引。 loc[1]和iloc[1]取出data的第二行的数据，返回的结果是Series类型。

以excel_df举例如下：为了便于说明修改excel_df的索引为全整数

4.1 loc：

在index的标签上进行索引(即是在index上寻找相应的标签，不是下标)，范围包括start和end。

# 重新定义excel_df的行索引
re_index = [-5,1,3,0,10,11,16,18,5,19,21,23,28]
excel_df.index = re_index
excel_df_loc = excel_df.loc[:10]

修改过索引之后的excel_df

即是在excel_df的index上寻找相应的标签为10的index，返回结果包含开始和结尾的部分。

excel_df.loc[1:10]在excel_df的index寻找开始标签为1，结束标签为10的index，返回结果包含开始和结尾的部分。

 

4.2 iloc：

在index的位置上进行索引(即是按照普通的下标寻找),不包括end.

excel_df_iloc = excel_df.iloc[:10]

excel_df.iloc[:10]即是在excel_df.从下标0开始进行位置的索引，返回不包括下标为10的标签。

 4.3 ix

先在index的标签上索引，索引不到就在index的位置上索引(如果index非全整数),不包括end。

修改excel_df的索引为非全整数

re_index=[-5,1,3,0,10,'c','g','r','o','i','k','u','t']
excel_df.index = re_index
excel_df_ix = excel_df.ix[:9]

excel_df.ix[:9] # 这里不会报错，因为index的标签是非全整数,但是不建议这样使用，

会有这样的警告FutureWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing
See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#ix-indexer-is-deprecated

4.4 iat[,]

返回某一个单元格的值，用于已知行、列位置的选取。

如excel.iat[1,1]取第二行第二列的值，返回3

以上是个人对DataFrame的理解之总结，欢迎有不同方法见解评论、交流。

它山之石，可以攻玉;

良知之学，知行合一。