Pandas笔记 · DataFrame数据结构与构建方法

Posted 2021-12-28 bluishglc

文章目录

• • 1. DataFrame数据结构
  • 2. 如何构建DataFrame
  • • 2.1. 按行构建
    • • 2.1.1. 使用Dictionary按行构建
      • 2.1.2. 使用List按行构建
    • 2.2. 按列构建
    • • 2.2.1. 使用Dictionary按列构建
      • 2.2.2. 使用List按列构建
  • 3. 使用set_index重置索引

1. DataFrame数据结构

DataFrame的数据结构与一张数据表是非常相似的，上图对于DataFrame的解释已经一目了然了。唯一需要特别解释一下的是Index。在DF中，如不特别指定，DF总是默认为每一行数据生成Index，这个Index就是从0开始的自增索引，和数组中的Index是一样的。与此同时，用户还可以使用某一列（甚至多列）来作为Index，取代默认的索引值。细节可参考下一节。

2. 如何构建DataFrame

对于DataFrame的构建，下图给了非常形象地总结：

以下是参考代码：

import pandas as pd
from collections import OrderedDict
from datetime import date

2.1. 按行构建

2.1.1. 使用Dictionary按行构建

sales = ['account': 'Jones LLC', 'Jan': 150, 'Feb': 200, 'Mar': 140,
         'account': 'Alpha Co',  'Jan': 200, 'Feb': 210, 'Mar': 215,
         'account': 'Blue Inc',  'Jan': 50,  'Feb': 90,  'Mar': 95 ]
df = pd.DataFrame(sales)

使用Dictionary按行构建，就是典型的KV模式，一个Dict一行，K是列名，V是对应值。这一方式易读，最符合人们的常规习惯，但是列名重复出现多次，比较繁琐。

2.1.2. 使用List按行构建

sales = [('Jones LLC', 150, 200, 50),
         ('Alpha Co', 200, 210, 90),
         ('Blue Inc', 140, 215, 95)]
labels = ['account', 'Jan', 'Feb', 'Mar']
df = pd.DataFrame.from_records(sales, columns=labels)

使用List按行构建时，是一行一行的纯数据填写，列名单独指定，这样构建效率要高很多！

2.2. 按列构建

2.2.1. 使用Dictionary按列构建

sales = 'account': ['Jones LLC', 'Alpha Co', 'Blue Inc'],
         'Jan': [150, 200, 50],
         'Feb': [200, 210, 90],
         'Mar': [140, 215, 95]
df = pd.DataFrame.from_dict(sales)

使用Dictionary按列构建时，Dict的K是列名，V是这一列的所有值。 这一方式也很高效，没有冗余数据输入。

2.2.2. 使用List按列构建

sales = [('account', ['Jones LLC', 'Alpha Co', 'Blue Inc']),
         ('Jan', [150, 200, 50]),
         ('Feb', [200, 210, 90]),
         ('Mar', [140, 215, 95]),
         ]
df = pd.DataFrame.from_items(sales)

使用List按列构建时，与使用Dictionary按列构建类似，但是比较扭曲，这时的List只有两个元素，第一个是K，第二个是V！

本章节参考自：https://pbpython.com/pandas-list-dict.html

3. 使用set_index重置索引

如上所述，DF总会生成一个默认的类似数组索引的默认索引，但是用户可以灵活的使用数据本身的一些列作为索引。比如当数据是从数据表中导出的时候，完全可以使用原始表中的ID列作为DF的Index。

重置索引使用set_index方法。如下示意图形象地演示了它的处理逻辑：

import numpy as np
import pandas as pd

df = pd.DataFrame('month': [2, 5, 8, 10],
                   'year': [2017, 2019, 2018, 2019],
                   'sale': [60, 45, 90, 36])

df.set_index('month')

本章节参考自： https://www.w3resource.com/pandas/dataframe/dataframe-set_index.php