【pandas】[2] DataFrame 基础，创建DataFrame和增删改查基本操作（1）

作者：lianghc

地址：http://blog.csdn.net/zutsoft

        DataFrame 是pandas最常用的数据结构，类似于数据库中的表，不过DataFrame不仅仅限制于2维，可以创建多维数据表。DataFrame既有行索引，也有列索引，可以看做是Series组成的字典，每个Series看做DataFrame的一个列。

1.DataFrame创建：

1.标准格式创建

2.等长列表组成的字典来创建

3.嵌套字典（字典的值也是字典）创建

1.1  标准格式创建

 DataFrame创建方法有很多，常用基本格式是：DataFrame 构造器参数：DataFrame(data=[],index=[],coloumns=[])

In [272]: df2=DataFrame(np.arange(16).reshape((4,4)),index=['a','b','c','d'],columns=['one','two','three','four'])

In [273]: df2
Out[273]: 
   one  two  three  four
a    0    1      2     3
b    4    5      6     7
c    8    9     10    11
d   12   13     14    15

1.2 用传入等长列表组成的字典来创建

In [204]: data={'c':['1','2'],'a':['5']}  #创建不等长字典序列

In [205]: data
Out[205]: {'a': ['5'], 'c': ['1', '2']}

In [206]: df=DataFrame(data)
Traceback (most recent call last):
...

ValueError: arrays must all be same length   # 报错，传入的数组必须等长

In [207]: data={'c':['1','2'],'a':['5','6']}  #创建<strong>等长字典序列
In [208]: df=DataFrame(data)

In [209]: df
Out[209]: 
   a  c                      # 创建完成后'a','c'自动按照字典序排序，并且创建时自定加上索引
0  5  1
1  6  2

创建完成后'a','c'自动按照字典序排序，并且创建时自定加上索引

如果指定了columns名称，则会按照指定顺序创建。

In [210]: df=DataFrame(data,columns=['c','a'])

In [211]: df
Out[211]: 
   c  a    #按照指定顺序创建。
0  1  5
1  2  6

1.3 传入嵌套字典（字典的值也是字典）创建DataFrame

列名：嵌套字典的外层子键

索引：内层键

In [227]: nest_dict={'shanghai':{2015:100,2016:101},'beijing':{2015:102,2016:103}}

In [228]: nest_dict
Out[228]: {'beijing': {2015: 102, 2016: 103}, 'shanghai': {2015: 100, 2016: 101}}

In [229]: df1=DataFrame(nest_dict)

In [230]: df1
Out[230]: 
      beijing  shanghai
2015      102       100
2016      103       101

2.DataFrame 增删改查

2.1.增

为不存在的列赋值会创建新列

In [219]: df['b']=1

In [220]: df
Out[220]: 
   c  a  b
0  1  5  1
1  2  6  1

2.2.删

用del删除

In [225]: del df['a']

In [226]: df
Out[226]: 
   c  b
0  1  1
1  2  1

用drop() 删除

用drop删除时，删的是视图，并没有真正删除。

<pre name="code" class="python">In [258]: df
Out[258]: 
   c  b  0
0  5  1  6
1  5  1  6
In [259]: df.drop(0,axis=1) #删除列Out[259]:   
   c  b
0  5  1
1  5  1
In [260]: df  # df的数据并没有改动
Out[260]:   
   c  b  0
0  5  1  6
1  5  1  6

dorp()可以通过axis（行：axis=0 ，列：axis=1）可以控制删除行或列，默认是行。

dorp()也可以同时删除多行或多列

例：

In [271]: df.drop([0,1],axis=1)
Out[271]: 
   c  b
0  6  6
1  5  1

2.3.改

通过赋值进行修改，可以通过定位到行，列，或者具体位置进行赋值修改。

修改具体元素值：

In [242]: df['c'][1]=4

In [243]: df
Out[243]: 
   c  b
0  1  1
1  4  1

修改列：

In [244]: df['c']=5 

In [245]: df
Out[245]: 
   c  b
0  5  1
1  5  1

修改行：

df[:1]=6

df
Out[266]: 
   c  b
0  6  6
1  5  1

修改行和列如果传入一组值得话，注意传入数组的长度，如果传入数组长度大于len(df) 则截断，小于df长度则置NaN

In [267]: df[0]=Series([1,2,3])

In [268]: df
Out[268]: 
   c  b  0
0  6  6  1
1  5  1  2

In [269]: df[1]=Series([1,])  #增加一列，传入一个值

In [270]: df
Out[270]: 
   c  b  0   1
0  6  6  1   1
1  5  1  2 NaN

2.4.查（索引，选取，过滤）

选取数据 是DataFrame的重点，常用的有 位置切片 和 标签切片，位置切片遵循Python的切片规则，包括起始位置，但不包括结束位置；但标签切片则同时包括起始标签和结束标签。之所以如此设计是因为在使用标签切片时，通常我们不知道标签的顺序，如果不包含结束标签，很难确定结束标签的前一个标签是什么。

注释: 标准Python / Numpy表达式可以完成这些数据选择工作, 但在生产代码中, 我们推荐使用优化的pandas数据访问方法, .at, .iat, .loc, .iloc 和 .ix.

标签切片和loc选择器：

建议使用这种列标签选取方式，用'.'容易出问题。‘.’的写法容易与其他预留关键字产生冲突

In [276]: data['two']  #建议使用这种列标签选取方式，用'.'容易出问题.。‘.’的写法容易与其他预留关键字产生冲突


‘[ ]’的写法最安全。
Out[276]: 
a     1
b     5
c     9
d    13
Name: two, dtype: int32

In [277]: data.two
Out[277]: 
a     1
b     5
c     9
d    13
Name: two, dtype: int32

选择多列:

In [279]: data[['one','two']] #注意多列选择时，传入的事数组， <span style="font-family: Arial, Helvetica, sans-serif;">data[['one','two']] 不能写成 data['one','two']</span>
Out[279]:
one two
a 0 1
b 4 5
c 8 9
d 12 13

使用loc，选取列：

data.loc[:,'one']
Out[290]: 
a     0
b     4
c     8
d    12
Name: one, dtype: int32

使用loc，选取行：

In [293]: data.loc[:'c',:]
Out[293]: 
   one  two  three  four
a    0    1      2     3
b    4    5      6     7
c    8    9     10    11

使用loc,选取第一个元素：

In [294]: data.loc[:'a',:'one']
Out[294]: 
   one
a    0

位置切片和ix选择器：

data[0:3]            #等价于data[:3]
Out[285]: 
   one  two  three  four
a    0    1      2     3
b    4    5      6     7
c    8    9     10    11

ix用法和loc差不多，loc传入的事行列的名称，ix使用的是相对位置

选取第一行第一列

In [295]: data.ix[:1,:1]
Out[295]: 
   one
a    0

其他pandas数据选择等问题可参考： 十分钟搞定pandas