Pandas：DataFrame对象的基础操作

DataFrame对象的创建，修改，合并

import pandas as pd
import numpy as np

1，创建DataFrame对象

# 创建DataFrame对象
df2 = pd.DataFrame([[1, 2, 3],[4, 5, 6]], columns=['col1','col2','col3'], index=['a','b'])
print (df2)

'''
   col1  col2  col3
a     1     2     3
b     4     5     6
'''

2,基本操作

df2.index

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

df2.columns

# Index([u'col1', u'col2', u'col3'], dtype='object')

# 根据索引查看数据
df2.loc['a']   
# 索引为ａ这一行的数据
 df2.iloc[0] 跟上面的操作等价，一个是根据索引名，一个是根据数字索引访问数据

'''
col1    1
col2    2
col3    3
Name: a, dtype: int64

'''

df2.loc[['a','b']]    # 访问多行数据，索引参数为一个列表对象

'''
col1  col2  col3
a     1     2     3
b     4     5     6
'''
df.loc[df.index[1:3]]
'''
    cols
b     2
c     3

'''

3,计算

3.1 DataFrame元素求和 #(默认是对每列元素求和)

df2.sum()
'''
col1    5
col2    7
col3    9
dtype: int64
'''

#行求和

df2.sum(1)
'''
a     6
b    15
'''

#对每个元素乘2
df2*2
df2.apply(lambda x:x*2)

'''
  col1 col2	col3
a	2	 4	 6
b	8	10	12
'''
#对每个元素求平方(支持ndarray一样的向量化操作)
df2**2

3.2 列扩充

# 对DataFrame对象进行列扩充
df2['col4'] = ['cnn','rnn']
print df2

'''

   col1  col2  col3 col4
a     1     2     3  cnn
b     4     5     6  rnn
'''

# 也可以通过一个新的DataFrame对象来定义一个新列,索引自动对应
df2['col5'] = pd.DataFrame(['MachineLearning','DeepLearning'],index=['a','b'])

'''
   col1  col2  col3 col4             col5
a     1     2     3  cnn  MachineLearning
b     4     5     6  rnn     DeepLearning
'''

3.3 行扩充

df2.loc['c']=[7,8,9,'xcc']

3.4 显示数据

df.head([n])  # 获取df中的前n行数据，n不指定，则默认为5

df.tail([n])  # 获取df中的后n行数据，n不指定，则默认为5

转载自 https://blog.csdn.net/u014281392/article/details/75331570

相关链接 https://blog.csdn.net/u010159842/article/details/52759224