3.2.3 Python之pandas详解2-DataFrame

2） DataFrame介绍

DataFrame是一种二维的数据结构，非常接近于电子表格或者类似MySQL数据库的形式。它的竖行称之为 columns，横行跟前面的Series一样，称之为 index，也就是说可以通过columns和index来确定一个主句的位置。

>>> import pandas as pd

>>> from pandas import Series , DataFrame

>>> data = {"name":["zhangsan","lisi","wangwu"],"age":[20,18,19],"money":[300,200,50]}

>>> f1 = DataFrame (data)

>>> f1

age money name

0 20 300 zhangsan

1 18 200 lisi

2 19 50 wangwu

这是定义一个DataFrame对象的常用方法——使用dict定义。字典的“键”（"name"，"age"，"money"）就是 DataFrame的 columns的值（名称），字典中每个“键”的“值”是一个列表，它们就是那一竖列中的填充数据。上面的定义中没有确定索引，所以，按照惯例（Series中已经形成的惯例）就是从0开始的整数。

上面数据可以看出来， columns的顺序没有规定，就如同字典中键的顺序一样，但是在 DataFrame中， columns跟字典键相比，有一个明显不同，就是其顺序可以按自己的规定来：

>>> f2 = DataFrame (data, columns =["name","age","money"])

>>> f2

name age money

0 zhangsan 20 300

1 lisi 18 200

2 wangwu 19 50

跟Series类似，DataFrame数据的索引也能够自定义：

>>> f3 = DataFrame (data, columns =["name","age","money","four"], index =["a","b","c"])

>>> f3

name age money four

a zhangsan 20 300 NaN

b lisi 18 200 NaN

c wangwu 19 50 NaN

注意观察上面的显示结果。因为在定义f3的时候，columns的参数中比以往多了一项（"four"），但是这项在data这个字典中并没有，所以four这一竖列的值都是空的，在Pandas中，空就用NaN来代表了。

注意columns可以增加，index随意增加，可能会因为和值的行数不匹配，会报错。

DataFrame定义方式，也可以使用字典的方式：

>>> data1 = {"name":{"one":"zhangsan","two":"lisi"},"age":{"one":18,"two":20}}

>>> f4 = DataFrame(data1)

>>> f4

age name

one 18 zhangsan

two 20 lisi

在字典中就规定好数列名称（第一层键）和每横行索引（第二层字典键）以及对应的数据（第二层字典值），即在字典中规定好每个数据格子中的数据，没有规定的都是空。

定义了DataFrame数据，它也是一种对象类型，比如变量f3引用了一个对象，它的类型是DataFrame。对象有属性和方法：

>>> f3. columns

Index([u'name', u'age', u'money', u'four'], dtype='object')

>>> f3["name"]

a zhangsan

b lisi

c wangwu

Name: name, dtype: object

这其实就是一个Series，或者说，可以将DataFrame理解为是由一个一个的Series组成的。

赋值：

>>> f3

name age money four

a zhangsan 20 300 NaN

b lisi 18 200 NaN

c wangwu 19 50 NaN

>>> f3["four"] = "hello"

>>> f3

name age money four

a zhangsan 20 300 hello

b lisi 18 200 hello

c wangwu 19 50 hello

统一赋值之后，还能 点对点赋值：

>>> ha = Series (["beijing","shanghai"],index=["b","c"])

>>> f3["four"]=ha

>>> f3

name age money four

a zhangsan 20 300 NaN

b lisi 18 200 beijing

c wangwu 19 50 shanghai

将Series对象（ha变量所引用）赋给f3['four']列，Pandas的一个重要特性——自动对齐，在这里起做用了，在Series中，只有两个索引（"b"，"c"），它们将和DataFrame中的索引自动对齐。

自动对齐之后，没有被复制的依然保持NaN。

更精细的点对点：

>>> f3["four"]["a"]="tianjin"

>>> f3

name age money four

a zhangsan 20 300 tianjin

b lisi 18 200 beijing

c wangwu 19 50 shanghai

改过来了，但是可能会警告：A value is trying to be set on a copy of a slice from a DataFrame