pandas 入门：DataFrame的创建，读写，插入和删除

不得不说DataFrame现在很火，已经有很多库都是基于DataFrame写的，而且它用起来也很方便，读excel只需要一行代码，想起使用xlrd的日子，至今还脑壳疼，所以对于一个用python做数据处理的人来说，pandas是必须要了解的。对于一个数据处理工具来说，读写是最基本的，下面是我最近整理的关于pandas一些基本本操作，主要包括以下内容：

• 如何创建DataFrame
• 如何读取DataFrame的值，读一行/列、读多行/列
• 如何对DataFrame赋值
• 如何对DataFrame插入一（多）行/列
• 如何删除DataFrame的一（多）行/列

---

开始前先引入两个库

import pandas as pd
import numpy as np

1 创建DataFrame

1.1 利用字典创建

data={"one":np.random.randn(4),"two":np.linspace(1,4,4),"three":['zhangsan','李四',999,0.1]}
df=pd.DataFrame(data,index=[1,2,3,4])

• 如果创建df时不指定索引，默认索引将是从0开时，步长为1的数组。
• df的行、列可以是不同的数据类型，同行也可以有多种数据类型。
• df创建完成后可以重新设置索引，通常用到3个函数：set_index、reset_index、reindex。

1. set _index用于将df中的一行或多行设置为索引。
   df.set_index(['one'],drop=False) ordf.set_index('one)
df.set_index(['one','two'])
   参数drop默认为True，意为将该列设置为索引后从数据中删除，如果设为False，将继续在数据中保留该行。
   
2. 如果要设置的索引不在数据中，可以通过
   df.index=['a','b','c','d']
3. reset_index用于将索引还原成默认值，即从0开始步长为1的数组。
   df.reset_index(drop=True)
   参数drop默认值为False，意为将原来的索引做为数据列保留，如果设为True，原来的索引会直接删除。
   
4. reindex比较复杂，也不常用到，这里是基础篇，不做大量说明，感兴趣的朋友可以看官方文档

1.2 利用数组创建

data=np.random.randn(6,4)#创建一个6行4列的数组
df=pd.DataFrame(data,columns=list('ABCD'),index=[1,2,'a','b','2006-10-1','第六行'])

1.3 创建一个空DataFrame

pd.DataFrame(columns=('id','name','grade','class'))

为了便于理解，以下面DataFrame为例，对其读写操作展开说明：

2 读DataFrame

2.1按列读取

方法1：df.列名
该方法每次只能读取一列。

方法2：df['列名']or df[['列名']]、df[['列名1','列名2','列名n']]

ps：df['A']和 df[['A']]都能读取第一列数据，但它们的返回结果是不同的，这里的不同指的是数据结构的不同，感兴趣的朋友可以用type(df['A']),type(df[['A']])查看。
方法3 .iloc[:,colNo] or .iloc[:,colNo1:colNo2]
按列号读取，有时候我们可能更希望通过列号（1，2，3…）读取数据而不是列名，又或着我们要读取多行的时候一个一个输入列名是很麻烦的，我们希望有最简单的代码读取我们最想要的内容，.iloc方法可以让我们通过列号索引数据，具体如下：
df.iloc[:1]读取第一列
df.iloc[:,1:3]读取第1列到第3列
df.iloc[:,2:]读取第2列之后的数据
df.iloc[:,:3]读取前3列数据
ps:这其实是按单元格读取数据的特殊写法，如果有疑问请看 2.3 按单元格读取数据。

2.2 按行读取

方法1：.loc['行标签']or.loc[['行标签']]、.loc[['行标签1','行标签2','行标签n']]
.loc根据行标签索引数据，这里的行标签可以理解为索引（没有深入研究，但是在这里，行标签=索引）,比如我们要分别读取第1行和第3行就是df[[1]]、df[['a']]，如果该df的索引变为['a', 'b', 'c', 'd', 'e', 'f']，分别读取第1行和第3行的操作将变成df[['a']],df[['c']]，也就是说.loc后面的'行标签'必须在索引中。

ps：df.loc[[1]]和df.loc[1]返回结果的值相同，但数据结构有差异
方法2：.iloc['行号']or.iloc[['行号']]、.iloc[['行号1','行号2','行号n']]
.iloc根据行号索引数据，行号是固定不变的，不受索引变化的影响，如果df的索引是默认值，则.loc和.iloc的用法没有区别，因为此时行号和行标签相同。

可以看到df.loc[1]和df.iloc[1]读到的内容是不一样的，df.loc[1]读取的是索引号为1的那一行，df.iloc[1]读取的是第1行。
此外，.iloc可以通过切片的方式读取数据，所谓切片就是给出要读数据的首尾位置，然后读取首尾中间这“一片”数据（个人理解，可能理解的不对或比较片面，对此有疑惑的朋友请自行查阅相关资料）比如我们要读取第1行到第4行的数据，利用切片的方法就是df.iloc[1:5]

如果从第0行开始读，则首位置可以省略，如果从某一行读到末尾，则尾位置可以省略。
df.iloc[:5]，读取第0行到第4行的数据；
df.iloc[8:]，读取第8行后所有数据，包括第8行；
df.iloc[3,6]，读取第3行到第6行的数据，包括第3行但不包括第6行。
方法3：.ix
根据其他网友的说法，.ix是.loc和.iloc的综合版，既可以通过行标签检索也可以根据行号检索。通过实验发现这个说法并不完成正确。以上面的df为例：

因为df.ix[[1]]可以认为是要读第1行，也可以认为要读索引为1的那一行，此时就产生了冲突，可以看到此时pandas认为df.ix[[1]]读的是索引为1的那一行，如果用索引外的标签检索就会报错，而df.ix[1]被认为是第1行，此时df.ix[1]和df.ix[[1]]读到的不是同一行数据。
如果我们将df的索引改为['a', 'b', 'c', 'd', 'e', 'f']再进行上面的操作

此时df.ix[5]和df.ix[[5]]读到的是同一行数据。
通过以上实验，loc，iloc，ix的区别如下：
loc通过索引标签读取数据；
iloc通过行号读取数据；
ix既可以通过行号读取数据，也可以通过索引标签读取数据，但是当索引为数字且不从0开始时，有两种情况：
（1）每次读一行：通过索引标签读取和通过行号读取有不同的写法.ix[['列标签']],.ix[行号]。
（2）读取多行：此时只能通过索引标签，不能利用行号。
方法4：at、iat
at、iat这里就不做介绍了，因为上面的方法完全够用了，感兴趣的话可以看官方文档。
.loc,.iloc完全可以满足DataFrame的读取操作，所以ix,at,iat并不推荐使用。

2.3 按单元格读取

方法1：df[col][row]
读取一个单元格的数据时推荐使用，也可以写成df.col[row]

方法2：.loc
(1)读取一个单元格：df.loc[row][col]或df.loc[row,col]
(2)读取一行多列：

• df.loc[row][[col1,col2]]
• df.loc[1,[col1,col2]]
• df.loc[row][firstCol:endCol]
• df.loc[row,firstCol:endCol]
  
  (3)读取多行一列：
• df.loc[[row1,row2]][col]
• df.loc[[row1,row2]].col
• df.loc[[row1,row2],col]
  
  ps :在这里行号不能用切片。
  (4)读取多行多列
• df.loc[[row1,row2],[col1,col2]]
• df.loc[[row1,row2]][[col1,col2]]
• df.loc[[row1,row3],firstCol:endCol]
  
  ps：这里行号同样不能用切片，说明loc不支持行号切片索引。
  方法3：.iloc
  (1)读取一个单元格
• df.iloc[rowNo].col
• df.iloc[rowNo][col]
• df.iloc[rowNo,colNo]
  ps：df.iloc[rowNo,col]不支持。
  (2)读取一行多列
• df.iloc[rowNo,firestColNo,endColNo]
• df.iloc[rowNo][[col1,col2]]
• df.iloc[rowNo][firesCol:endCol]
  
  ps：df.iloc[rowNo,[col1,col2]],
  df.iloc[rowNo,firstColNo:endColNo]均不支持。
  (3)读取多行一列
• df.iloc[[rowNo1,rowNo2],colNo]
• df.iloc[firstRowNo:endRowNo,colNo]
• df.iloc[[rowNo1,rowNo2]][col]
• df.iloc[firstRowNo,endRowNo][col]
  
  (4)读取多行多列
• df.iloc[firstRowNo:endRowNo,firstColNo:endColNo]
• df.iloc[[RowNo1,RowNo2],[ColNo1,ColNo2]]
• df.iloc[firstRowNo:endRowNo][[col1,col2]]
  
  方法4：.ix
  累的不行了，这里就直接写多行多列的读取吧。
• df.ix[firstRow/firstRowNo:endRow/endRowNo,firstCol/firstColNo:endCol/endColNo]
• df.ix[[row1/rowNo1,row2,rowNo2],[col1/colNo1,col2,colNo2]]
  
  方法5： at,iat

3 写DataFrame/DataFrame赋值

3.1 按列赋值

• df.col=colList/colValue
• df[col]=colList/colValue
  eg. df.A=[1,2,3,4,5,6],df['A']=0
  ps1：如果用一个列表或数组赋值，其长度必须和df的行数相同。

3.2 按行赋值

• df.loc[row]=rowList
• df.loc[row]=rowValue

3.3 给多行多列赋值

• df.loc[[row1,row2],[col1,col2]]=value/valueList
• df.iloc[[rowNo1,rowNo2],[colNo1,colNo2]]=value/valueList
• df.iloc[[rowNo1,rowNo2]][[col1,col2]]=value/valueList
• df.ix[firstRow:endRow,firstCol:endCol]=value/valueList

ps：DataFrame的读写操作是多变的，这里也仅仅列出了几种常用的方法，熟练一种方式即可。

4 DataFrame的插入

以下面DataFrame为例展开说明

4.1在任意位置插入

插入一列

insert(ioc,column,value)
ioc:要插入的位置
colunm:列名
value:值

插入一行

row={'one':111,'two':222,'three':333}
df.loc[1]=row or
df.iloc[1]=row or 
df.ix[1]=row or 

4.2在末尾插入

如果插入一行或一列，用上面的方法把插入位置改为末尾即可，下面给出插入多行多列的方法。

pandas.concat(objs, axis=0, join_axes=None, ignore_index=False)
objs:合并对象
axis:合并方式，默认0表示按列合并，1表示按行合并
ignore_index:是否忽略索引 

有df1和df2定义如下：

按行合并

按列合并

利用append函数可以完成相同的操作:

5 DataFrame的删除操作

drop(labels, axis=0, level=None, inplace=False)
lables：要删除数据的标签
axis：0表示删除行，1表示删除列，默认0
inplace:是否在当前df中执行此操作

后记：关于pandas的基本操作就写到这里了，关于以上内容如果有什么问题可以通过邮件联系博主，水平有限，请大家批评指正。
后面如果有机会，我会写关于DataFrame更进一步的操作，我也不知道会不会写，能写多少，先附上地址pandas进阶：DataFrame高级操作