Pandas 数据结构之 DataFrame使用教程

Posted 2021-06-02 不想秃头的晨晨

Pandas 数据结构

• DataFrame 简介
• DataFrame 实例化
• 行数据的选择
• • 1.按位置选择行数据（单行选择）
  • 2.按位置选择行数据（多行选择：类似于切片）
  • 3.按索引值选择单（多）行数据
  • 4.按条件（bool）选择指定的行数据
• 列数据的选择

DataFrame 简介

DataFrame是Pandas中的一个表格型的数据结构，包含一组有序的列，每列的值的类型都可不同（整型、浮点型、布尔型、字符串等），DataFrame既有行索引也有列索引，可以被看作是由Series组成的字典

DataFrame也可以理解为带了行和列标签的二维数组：

其中行标签为序号 0,1,2,列标签为 Name, Age, Sex. DataFrame 是最常用的Pandas对象, 与Series一样，DataFrame支持多种类型的输入数据：

• 列表、一维ndarray、字典、Series字典
• 二维ndarray
• Series
• DataFrame

除了数据，还可以有选择地传递 index（行标签）和 columns（列标签）参数。传递了index或clolumns，就可以确保生成的 DataFrame 里包有索引或列。Series 字典加上指定索引时，会丢弃与传递的索引不匹配的所有数据。

没有传递轴标签时，按常规依据输入数据进行构建。

DataFrame 实例化

DataFrame 可以使用字典、列表等实例化。

如果传入的数据全部是标量值（譬如字典：{‘a’:1, ‘b’:2}）,那么必须传入index参数

df = pd.DataFrame({
    'name': ['lihua', 'lilei', 'hanmeimei', 'xiaoming', 'xiaohong'],
    'math': [99, 100, 80, 50, 118],
    'english': [94, 83, 99, 79, 108],
    'chinese': [107, 82, 76, 100, 113]
})
Output：
        name  math  english  chinese
0      lihua    99       94      107
1      lilei   100       83       82
2  hanmeimei    80       99       76
3   xiaoming    50       79      100
4   xiaohong   118      108      113

行数据的选择

1.按位置选择行数据（单行选择）

当我们想选择第N行数据时（N理论上应小于等于能取到的最大行），我们可以用以下方式进行选择：

df.iloc[1]
Output:
    name  math  english  chinese
1  lilei   100       83       82

在这个示例中我们使用了iloc方法进行了基于位置的行数据选择，不仅如此iloc还支持行切片，多行选择等功能，具体的使用方法见下一小节。

2.按位置选择行数据（多行选择：类似于切片）

方法一：当我们想选择前N（N理论上应小于等于能取到的最大行）行或者后N行数据时，我们可以用以下方式选择：

df.head(2) # 取前两行数据

Output:
    name  math  english  chinese
0  lihua    99       94      107
1  lilei   100       83       82

df.tail(2) # 取最后两行数据
Output:
       name  math  english  chinese
3  xiaoming    50       79      100
4  xiaohong   118      108      113

方法二：或者我们也可以用行切片的方式获取前（后）N行的数据：

df[0:2] # 从第一行开始取，一共取两行（不包含位置为2的那行数据，只取位置下标为0，1的两行数据）

Output:
    name  math  english  chinese
0  lihua    99       94      107
1  lilei   100       83       82

df[-2:] # 从第倒查第二行开始取，一直取到末尾。

Output:
       name  math  english  chinese
3  xiaoming    50       79      100
4  xiaohong   118      108      113

行切片的方式类似于python基本数据结构中列表的切片方式，所以行切片也支持中间部分切片、末尾切片等等。更多的使用方法可参考列表的切片

方法三：同样的我们也可以使用DataFrame类的iloc方法对DataFrame进行行切片：

df.iloc[0:2] # 从第一行开始取，一共取两行（不包含位置为2的那行数据，只取位置下标为0，1的两行数据）

Output:
    name  math  english  chinese
0  lihua    99       94      107
1  lilei   100       83       82

df.iloc[-2:] # 从第倒查第二行开始取，一直取到末尾。

Output:
       name  math  english  chinese
3  xiaoming    50       79      100
4  xiaohong   118      108      113

df.iloc[[0, 1, 3]] # 取第一行，第二行、以及第四行数据

Output:
       name  math  english  chinese
0     lihua    99       94      107
1     lilei   100       83       82
3  xiaoming    50       79      100

使用iloc方式切片时，用df.iloc[[0,1]]能达到df.iloc[0:2]一样的效果。小伙伴们可以亲自尝试下看看效果。

行切片与iloc切片的使用方法大致类似，需要注意的是iloc切片更为灵活。使用iloc不仅可以切片，也支持不连续切片，见上述例子（只需传入待获取的行的位置数组即可。），同时iloc也可以获取指定的某一单独行

3.按索引值选择单（多）行数据

区别于按位置获取指定的行数据，我们也可以根据索引值来获取相应的行数据：

df.loc[0] #获取索引值为0的那一行的数据

Output:
       name  math  english  chinese
0     lihua    99       94      107

df.loc[[1,3]] #获取索引值为1和3的行数据

Output:
       name  math  english  chinese
1     lilei   100       83       82
3  xiaoming    50       79      100

在上述loc例子中所传入的参数值为实例化DataFrame时的索引值，不是位置的值，也不能理解成位置。因为在本例中实例化DataFrame时我们并未传入index参数，所以会生成一个默认的索引序列（从0开始的递增序列），所以本例的索引序列刚好和位置序列相同了，所以才会造成loc和iloc并无区别的假象。在实际使用中，如果index（索引）序列为['a', 'b', 'c', 'd', 'e']时，那么我们如果使用loc获取行数据时，应该传入的参数就是index序列中的值。

loc 与 iloc的区别不仅仅体现在前者是基于索引，后者是基于位置的选择行数据，同时loc还支持选择指定的列数据：

df.loc[[0, 1], ['name', 'math']] #获取前两行数据，同时指定列数据为name和math

Output:
    name  math
0  lihua    99
1  lilei   100

4.按条件（bool）选择指定的行数据

DataFrame是支持我们按照自定义的搜索条件去获取指定的行数据的，比如name='xxx’或者15<math<20等这样的条件:

df[df['name'] == 'lihua'] #选取dataFrame中，name属性等于lihua的所有行数据

Output：
    name  math  english  chinese
0  lihua    99       94      107

df[df['math'].between(90, 100)] #选取dataFrame中，math值在90到100之间的行数据

Output：
    name  math  english  chinese
0  lihua    99       94      107
1  lilei   100       83       82

df[df['english'] > 100] #选取dataFrame中，english值在大于100的行数据

Output：
       name  math  english  chinese
4  xiaohong   118      108      113

df[df['name'].isin(['hanmeimei', 'xiaoming'])] #选取dataFrame中，name属性符合['hanmeimei', 'xiaoming']的所有行数据

Output：
        name  math  english  chinese
2  hanmeimei    80       99       76
3   xiaoming    50       79      100

在使用between提取区间数据时，如果不想让两端的值包含其中（满足两端的值不被提取出来），只需要把 inclusive False即可

列数据的选择

列数据的选择相比行数据的选择简单很多。对列数据的选择，我们只能使用column的值去获取相应的列数据：

df['name'] #获取DataFrame中column为name的列数据

Output:
0        lihua
1        lilei
2    hanmeimei
3     xiaoming
4     xiaohong
Name: name, dtype: object

df.name # 等价于df['name']

Output:
0        lihua
1        lilei
2    hanmeimei
3     xiaoming
4     xiaohong
Name: name, dtype: object

df[['name', 'math']] #获取DataFrame中column为name和math的列数据

Output:
        name  math
0      lihua    99
1      lilei   100
2  hanmeimei    80
3   xiaoming    50
4   xiaohong   118

df.loc[:, ['name', 'math']] #等价于df[['name', 'math']]，获取所有的行，同时限定column为 name和math

Output:
        name  math
0      lihua    99
1      lilei   100
2  hanmeimei    80
3   xiaoming    50
4   xiaohong   118

从上述例子可以看出，不管获取单列或多列的值我们也是可以使用loc方法的，只不过先把loc中获取行数据的条件给放宽了（获取所有行，等于没限制）

• 如有疑问，欢迎在评论区一起讨论！
• 如有不正确的地方，欢迎指导！