【Python】pandas中的DataFrame

在 Python 中，pandas.DataFrame 是一个非常强大的数据结构，用于表示表格、多维数组或异质型数据表。这是 pandas 库中最常用的对象之一，广泛应用于数据分析、数据清洗、数据转换及统计建模等任务。

基本特征

• 二维大小可变：DataFrame 可以修改大小，且可以修改其行索引和列标签。
• 异质型：每一列可以是不同的数据类型（数值、字符串、布尔值等）。
• 标签轴：数据操作时行和列都可以通过标签进行操作。
• 可以进行算术运算：具有灵活的工具进行算术运算和自动数据对齐。

创建 DataFrame

DataFrame 可以通过多种方式创建，例如从列表、字典、读取文件等：

1. 从列表创建

import pandas as pd

data = [
    [1, 'Alice', 22],
    [2, 'Bob', 27],
    [3, 'Chris', 25]
]

df = pd.DataFrame(data, columns=['ID', 'Name', 'Age'])
print(df)

2. 从字典创建

data = {
    'ID': [1, 2, 3],
    'Name': ['Alice', 'Bob', 'Chris'],
    'Age': [22, 27, 25]
}

df = pd.DataFrame(data)
print(df)

3. 从 NumPy 数组创建

如果你有一个 NumPy 数组，可以直接将它转换成 DataFrame：

import numpy as np

array = np.array([[1, 'Alice', 22], [2, 'Bob', 27], [3, 'Chris', 25]])
df = pd.DataFrame(array, columns=['ID', 'Name', 'Age'])
print(df)

主要功能

数据检索

• 查看数据：head() 和 tail() 方法用于快速查看 DataFrame 的首部和尾部数据。
• 选择列：可以通过列名直接选择列，例如 df['Name']。
• 选择行：可以使用 loc（基于标签的选择）和 iloc（基于位置的选择）进行行选择。

数据清洗

• 处理缺失数据：可以使用 dropna() 移除有缺失值的行或列，或使用 fillna() 填充缺失值。
• 数据过滤：使用条件语句进行过滤，例如 df[df['Age'] > 24]。

数据统计

• 描述统计：使用 describe() 可以提供每一列的统计摘要（如均值、标准差、最小值、最大值等）。
• 求和、平均值等：方法如 sum()、mean() 等可以快速计算总和或平均值。

数据合并与分组

• 合并：merge() 和 concat() 可以用来合并多个 DataFrame。
• 分组：groupby() 方法允许你按照某些标准将数据分组并对每组数据应用函数（如求和、平均等）。

示例：使用 DataFrame

以下是一个简单的示例，展示了 DataFrame 的一些基本操作：

import pandas as pd

# 创建 DataFrame
data = {'Name': ['Alice', 'Bob', 'Chris'], 'Age': [25, 26, 27], 'Salary': [50000, 54000, 50000]}
df = pd.DataFrame(data)

# 基本统计
print(df.describe())

# 增加一列
df['Department'] = ['HR', 'Tech', 'Marketing']

# 数据过滤
df_filtered = df[df['Age'].astype(int) > 25]

print(df)
print(df_filtered)

DataFrame 是 pandas 中极其核心的部分，能有效支持各种数据操作，是处理表格数据的强大工具。