DataFrame

一、DataFrame

1.创建

• df = pd.DataFrame(data=None, index=None)

例：

data = {
    'a': [1, 'c', 'z', 'y', 1],
    'b': [1, 'x', 'y', 'm', 1],
    # 'c': [np.nan, np.nan, np.nan],
    'd': [1, None, 1, None, 1],
    # 'e': [1, None, None, None, None],
}
df = pd.DataFrame(data=data,
                  index=[5, 2, 0, 1, 3])

print(df)

执行结果：

   a  b    d
5  1  1  1.0
2  c  x  NaN
0  z  y  1.0
1  y  m  NaN
3  1  1  1.0

2.DataFrame常用的方法

2.1 df.dtypes：返回每一列的数据类型

print(df.dtypes)

执行结果：

a     object
b     object
d    float64
dtype: object

2.2 df.columns：返回列索引

print(df.columns)

执行结果：

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

2.3 df.index：返回行索引

print(df.index)

执行结果：

Int64Index([5, 2, 0, 1, 3], dtype='int64')

2.4 df.sort_index(axis=0, ascending=True)：对行索引进行排序，默认是升序

print(df.sort_index(axis=0, ascending=True))

执行结果：

   a  b    d
0  z  y  1.0
1  y  m  NaN
2  c  x  NaN
3  1  1  1.0
5  1  1  1.0

2.5 df[‘a’]：根据列索引查询，返回一个Seies

print(df['a'])

执行结果：

5    1
2    c
0    z
1    y
3    1
Name: a, dtype: object

2.6 df.loc[ ]

• df.loc[2:0, ‘a’:‘b’]：根据行列索引查询数据
• df.loc[df[‘a’] != df[‘b’], :]：根据表达式和列索引查询数据

print(df.loc[2:0, 'a':'b'])
print('---------------------------------')
print(df.loc[df['a'] != df['b'], :])

执行结果：

   a  b
2  c  x
0  z  y
---------------------------------
   a  b    d
2  c  x  NaN
0  z  y  1.0
1  y  m  NaN

Process finished with exit code 0

2.7 df.isnull()：判断是否为NaN

print(df.isnull())

执行结果：

       a      b      d
5  False  False  False
2  False  False   True
0  False  False  False
1  False  False   True
3  False  False  False

2.8 df.drop_duplicates()：删除重复行

print(df.drop_duplicates())

执行结果：

   a  b    d
5  1  1  1.0
2  c  x  NaN
0  z  y  1.0
1  y  m  NaN

2.9 df.dropna(axis=‘index’)：删除值含NaN的行

print(df.dropna(axis='index'))

执行结果：

   a  b    d
5  1  1  1.0
0  z  y  1.0
3  1  1  1.0

2.10 df.fillna(value=‘无’)：修改值为NaN的值

print(df.fillna(value='无'))

执行结果：

   a  b    d
5  1  1  1.0
2  c  x    无
0  z  y  1.0
1  y  m    无
3  1  1  1.0

2.11 df.sample(axis=‘columns’, n=2：根据axis随机选择n行或n列

print(df.sample(axis='columns', n=2))

执行结果：

   b  a
5  1  1
2  x  c
0  y  z
1  m  y
3  1  1

2.12 df.pop(‘d’)：根据索引删除列, 返回删除的列

print(df.pop('d'))

执行结果：

5    1.0
2    NaN
0    1.0
1    NaN
3    1.0

2.13 df.shape：返回DataFrame的形状

print(df.shape)

执行结果：

(5, 3)

2.14 df.apply(func, axis=‘columns’)：根据func的返回值新增一列

def get_num(x):
    try:
        if int(x[0]):  # 根据Series的索引，这边的索引是5,2,0,1,3
            return '是数字'
    except Exception as e:
        return '非数字'

df.loc['whether', :] = df.apply(get_num, axis='index')
print(df)

执行结果：

           a    b    d
5          1    1  1.0
2          c    x  NaN
0          z    y  1.0
1          y    m  NaN
3          1    1  1.0
whether  非数字  非数字  是数字

2.15 df.set_index(keys=‘a’)：设置某个列为索引

print（df.set_index(keys='a')）

执行结果：

   b    d
a        
1  1  1.0
c  x  NaN
z  y  1.0
y  m  NaN
1  1  1.0

2.16 df.query(expr=‘a==b’)：写条件表达式,返回条件成立的DataFrame

print（df.query(expr='a==b')）

执行结果：

   a  b    d
5  1  1  1.0
3  1  1  1.0

2.17 df.drop(df.drop(labels=[1, 3], axis=0))：根据标签删除行或列

print(df.drop(labels=[1, 3], axis=0))

执行结果：

   a  b    d
5  1  1  1.0
2  c  x  NaN
0  z  y  1.0