pandas 学习： pandas 数据结构之DataFrame

Posted 2020-08-10 Amei6536

　　DataFrame 类型类似于数据库表结构的数据结构，其含有行索引和列索引，可以将DataFrame 想成是由相同索引的Series组成的Dict类型。在其底层是通过二维以及一维的数据块实现。

1.  DataFrame 对象的构建

　　1.1 用包含等长的列表或者是NumPy数组的字典创建DataFrame对象

In [68]: import pandas as pd

In [69]: from pandas import Series,DataFrame

# 建立包含等长列表的字典类型
In [70]:  data = {\'state\': [\'Ohio\', \'Ohio\', \'Ohio\', \'Nevada\', \'Nevada\'],\'year\': [2000, 2001, 20
    ...: 02, 2001, 2002],\'pop\': [1.5, 1.7, 3.6, 2.4, 2.9]}
In [71]: data
Out[71]: 
{\'pop\': [1.5, 1.7, 3.6, 2.4, 2.9],
 \'state\': [\'Ohio\', \'Ohio\', \'Ohio\', \'Nevada\', \'Nevada\'],
 \'year\': [2000, 2001, 2002, 2001, 2002]}
# 建立DataFrame对象
In [72]: frame1 = DataFrame(data)
# 红色部分为自动生成的索引
In [73]: frame1
Out[73]: 
   pop   state  year
0  1.5    Ohio  2000
1  1.7    Ohio  2001
2  3.6    Ohio  2002
3  2.4  Nevada  2001
4  2.9  Nevada  2002

　　在建立过程中可以指点列的顺序：

In [74]: frame1 = DataFrame(data,columns=[\'year\', \'state\', \'pop\'])

In [75]: frame1
Out[75]: 
   year   state  pop
0  2000    Ohio  1.5
1  2001    Ohio  1.7
2  2002    Ohio  3.6
3  2001  Nevada  2.4
4  2002  Nevada  2.9

　　和Series一样，DataFrame也是可以指定索引内容：

In [76]: ind = [\'one\', \'two\', \'three\', \'four\', \'five\']
In [77]: frame1 = DataFrame(data,index = ind)

In [78]: frame1
Out[78]: 
       pop   state  year
one    1.5    Ohio  2000
two    1.7    Ohio  2001
three  3.6    Ohio  2002
four   2.4  Nevada  2001
five   2.9  Nevada  2002

　　1.2.  用由字典类型组成的嵌套字典类型来生成DataFrame对象

　　当由嵌套的字典类型生成DataFrame的时候，外部的字典索引会成为列名，内部的字典索引会成为行名。生成的DataFrame会根据行索引排序

In [84]: pop = {\'Nevada\': {2001: 2.4, 2002: 2.9},\'Ohio\': {2000: 1.5, 2001: 1.7, 2002: 3.6}}

In [85]: frame3 = DataFrame(pop)

In [86]: frame3
Out[86]: 
      Nevada  Ohio
2000     NaN   1.5
2001     2.4   1.7
2002     2.9   3.6

　　除了使用默认的按照行索引排序之外，还可以指定行序列：

In [95]: frame3 = DataFrame(pop,[2002,2001,2000])

In [96]: frame3
Out[96]: 
      Nevada  Ohio
2002     2.9   3.6
2001     2.4   1.7
2000     NaN   1.5

　　1.3 其它构造方法：

　　

2.  DataFrame 内容访问

　　从DataFrame中获取一列的结果为一个Series，可以通过以下两种方式获取：

# 以字典索引方式获取
In [100]: frame1["state"]
Out[100]: 
one        Ohio
two        Ohio
three      Ohio
four     Nevada
five     Nevada
Name: state, dtype: object
# 以属性方式获取
In [101]: frame1.state
Out[101]: 
one        Ohio
two        Ohio
three      Ohio
four     Nevada
five     Nevada
Name: state, dtype: object

　　也可以通过ix获取一行数据：

In [109]: frame1.ix["one"] # 或者是 frame1.ix[0]
Out[109]: 
pop       1.5
state    Ohio
year     2000
Name: one, dtype: object
# 获取多行数据
In [110]: frame1.ix[["tow","three","four"]]
Out[110]: 
       pop   state    year
tow    NaN     NaN     NaN
three  3.6    Ohio  2002.0
four   2.4  Nevada  2001.0
# 还可以通过默认数字行索引来获取数据
In [111]: frame1.ix[range(3)]
Out[111]: 
       pop state  year
one    1.5  Ohio  2000
two    1.7  Ohio  2001
three  3.6  Ohio  2002

　　获取指定行，指定列的交汇值：

In [119]: frame1["state"]
Out[119]: 
one        Ohio
two        Ohio
three      Ohio
four     Nevada
five     Nevada
Name: state, dtype: object

In [120]: frame1["state"][0]
Out[120]: \'Ohio\'

In [121]: frame1["state"]["one"]
Out[121]: \'Ohio\'

　　先指定列再指定行：

In [125]: frame1.ix[0]
Out[125]: 
pop       1.5
state    Ohio
year     2000
Name: one, dtype: object

In [126]: frame1.ix[0]["state"]
Out[126]: \'Ohio\'

In [127]: frame1.ix["one"]["state"]
Out[127]: \'Ohio\'

In [128]: frame1.ix["one"][0]
Out[128]: 1.5

In [129]: frame1.ix[0][0]
Out[129]: 1.5

 

3. DataFrame 对象的修改

　　增加一列，并所有赋值为同一个值：

# 增加一列值
In [131]: frame1["debt"] = 10

In [132]: frame1
Out[132]: 
       pop   state  year  debt
one    1.5    Ohio  2000    10
two    1.7    Ohio  2001    10
three  3.6    Ohio  2002    10
four   2.4  Nevada  2001    10
five   2.9  Nevada  2002    10

# 更改一列的值
In [133]: frame1["debt"] = np.arange(5)

In [134]: frame1
Out[134]: 
       pop   state  year  debt
one    1.5    Ohio  2000     0
two    1.7    Ohio  2001     1
three  3.6    Ohio  2002     2
four   2.4  Nevada  2001     3
five   2.9  Nevada  2002     4

　　追加类型为Series的一列

# 判断是否为东部区
In [137]: east = (frame1.state == "Ohio")

In [138]: east
Out[138]: 
one       True
two       True
three     True
four     False
five     False
Name: state, dtype: bool
# 赋Series值
In [139]: frame1["east"] = east

In [140]: frame1
Out[140]: 
       pop   state  year  debt   east
one    1.5    Ohio  2000     0   True
two    1.7    Ohio  2001     1   True
three  3.6    Ohio  2002     2   True
four   2.4  Nevada  2001     3  False
five   2.9  Nevada  2002     4  False

　　DataFrame 的行可以命名，同时多列也可以命名：

In [145]: frame3.columns.name = "state"

In [146]: frame3.index.name = "year"

In [147]: frame3
Out[147]: 
state  Nevada  Ohio
year               
2002      2.9   3.6
2001      2.4   1.7
2000      NaN   1.5