Python数据清洗 - 1.4Pandas常用数据结构DataFrame和方法

1.4Pandas常用数据结构DataFrame和方法

通过pandas.DataFrame来创建DataFrame数据结构

pandas.DataFrame(data,index,dtype,columns)
说明：dataframe本身那就是一种表结构，因而在做数据分析时最常用。

data:列表、array、或dict

index:行索引

columns:列名或者列标签 # columns只针对dataframe数据结构，series没有该方法

import pandas as pd

1)通过列表(list)方式创建列表

list1 = [['张三',23,'男'],['里斯',27,'女'],['Sindy',21,'男'],['Jane',17,'女']] #使用嵌套列表
df1 = pd.DataFrame(list1,columns = ['姓名','年龄','性别'])

df1.head(5) #5表示共显示5行元素？

	姓名	年龄	性别
0	张三	23	男
1	里斯	27	女
2	Sindy	21	男
3	Jane	17	女

2)通过字典(dict)方式创建列表

df2 = pd.DataFrame({'Name':['张三','里斯','Sindy','Jane'],'Age':[23,24,21,17],'Sex':['男','女','男','女']})

df2

	Name	Age	Sex
0	张三	23	男
1	里斯	24	女
2	Sindy	21	男
3	Jane	17	女

3)通过数组(array)方式创建列表

import numpy as np
array1 = np.array([['张三',23,'男'],['里斯',27,'女'],['Sindy',21,'男'],['Jane',17,'女']])

df3 = pd.DataFrame(array1,columns=['姓名','年龄','性别'],index=['a','b','c','d'])
df3

	姓名	年龄	性别
a	张三	23	男
b	里斯	27	女
c	Sindy	21	男
d	Jane	17	女

DataFrame的属性、方法：

df3.values

array([['张三', '23', '男'],
       ['里斯', '27', '女'],
       ['Sindy', '21', '男'],
       ['Jane', '17', '女']], dtype=object)

df3.index # 行索引标签

Index(['a', 'b', 'c', 'd'], dtype='object')

df3.columns # 列标签

Index(['姓名', '年龄', '性别'], dtype='object')

df3.columns.tolist() # 将数据结构转换成列表

['姓名', '年龄', '性别']

df3.ndim # 查看列表维度

2

df2.shape # 查看列表的形状（几行几列）

(4, 3)

df3.size # 查看元素个数

12

df3.dtypes # 查看每个列标签的数据类型，因为年龄是通过数组创建的object类型

姓名    object
年龄    object
性别    object
dtype: object

df1.dtypes # 这里年龄是整数型
df2.dtypes

Name    object
Age      int64
Sex     object
dtype: object