简介
DataFrame是pandas中最常见的对象(series也是)
DataFrame提供的是一个类似表的结构，由多个Series组成DataFrame 是一个表格型的数据类型
DataFrame 常用于表达二维数据,什么叫做二维呢 ? 非常接近于电子表格,它的竖行称之为 columns，称之为 index，也就是说可以通过 columns 和 index 来确定一个主句的位置。
对于DataFrame的操作无非也就是增删改查
思维导图
DataFrame的三种创建
DataFrame()函数的参数index的值相当于行索引，若不手动赋值，将默认从0开始分配。columns的值相当于列索引，若不手动赋值，也将默认从0开始分配。
二维数组创建(常用)
importpandas aspd
import numpy asnp
s=np.random.randint(1,100,size= (3,2))
df =pd.DataFrame(s,index=['a','b','c'],columns= ['A','B'])字典式和列表创建
# 注意是字典里边有列表
# 设置行和列
data1= {
"a":[1,2,3], # 注意 字典里面第一个键 就是df 的columns
"b":[4,5,6],
"c":[7,8,9]
}
df=pd.DataFrame(data=data1, index=["p1", "p2", "p3"])
df字典和Series创建
data2= {"one":pd.Series([1,2,444],), # 必须得先添加index
"two":pd.Series([12,3,4] )}
df=pd.DataFrame(data2)Dataframe的常用属性和方法
查看数据和类型
importpandasaspd
importnumpyasnp
df=pd.DataFrame({'Country': ['China', 'China', 'India', 'India', 'America', 'Japan', 'China', 'India'],
'Income': [10000, 10000, 5000, 5002, 40000, 50000, 8000, 5000],
'Age': [50, 43, 34, 40, 25, 25, 45, 32]}
)
df.head() #查看前5个 , 可以写数字
df.tail() # 查看后5个
df.dtypes # 查看数据元素类型 s.dtype 和series进行对比
type(df) # 查看数据集的类型
df.shape # shape是属性 不是方法 千万不要加括号
df.size
df.info()
# 查看索引
df.index # 要注意没有括号
# 查看列名
df.columns # 要注意没有括号
df.values # 要注意没有括号 df.values # numpy类型数组列索引设置行索引
set_index 把列索引设置成行索引
df_new=df.set_index('Country') # 把 country列设置成索引还原列索引
# 即进行还原了刚才的set_index 的操作
df_new01=df_new.reset_index() # 注意此时是 df_new
df_new01添加一行
# 第一种方法
s=pd.Series(['i',100,30],index= ['Country','Income','Age'])
df.append(s,ignore_index=True)
# 第二种方法
s=pd.Series(['i',100,30],index= ['Country','Income','Age'])
s.name=8 #必须设置name属性 这样才能进行添加 name的值是 要添加的索引值
df.append(s)删除一行
df.drop(7) # 删除索引为7 的
df=df.drop([6,8]) # 删除索引为6,8 行 默认是行 # 单个的话 有没有中括号都可以 默认删除为行列操作
查看列
df.columns # Index(['Country', 'Income', 'Age'], dtype='object')
df['Country'] # df.Country 含义是一样的 是series形式
df[['Country','Income']] # 取两列的值 注意传入的列表形式 最后是df形式
df['Country'].unique() # 去重
df['Country'].nunique() # 去重以后查看个数
df['Country'].value_counts() # 统计元素数据的个数增加一列
df['eco'] =range(1,9) # 值的填入
df['enco'] =pd.Series(range(9))
#会根据索引的对应进行填入 ,即series的和df 行索引 索引必须得相同 ,如果不相同,不会报错,但是会为缺失值
df['enco'] =pd.Series(range(4),index= [3,43,5,6])删除列
df.drop('Country') # 会报错
df.drop('Country',axis=1 ) # 用drop需要指定行和列 axis= 1是列 ,但不是对原对象进行删除(重新输入df还会有country这一列)
df.drop('Country',axis=1, inplace=True ) # 直接对原对象进行删除 理解它很重要
del df['Income'] # 直接对原对象的列进行删除
# 特别注意 : drop函数中 axis = 1 代表的是列 axis= 0 代表的是行 其他的函数则相反对列的所有值进行修改
df['Income'] =20 # 进行赋值通过布尔值进行获取(重要)
df.Age # 查看年龄
df.Age.mean() # 查看年龄的平均值
df.Age>df.Age.mean()
df[df.Age>df.Age.mean()] # 代表把是 True 值的都拿到了行操作
问题如果我想要取第三行,第四行,第一列和第二列的数据 形成一个Dataframe怎么取 ?
ilock 和lock的区别
获取行子集的方法 | 说明 |
loc | 基于索引标签获取行子集(显示索引) |
ilock | 基于行索引获取行子集(隐式索引) |
importpandasaspd
importnumpyasnp
df=pd.DataFrame({
'Country':['China', 'China', 'India', 'India', 'America', 'Japan', 'China', 'India'],
'Income': [10000, 10000, 5000, 5002, 40000, 50000, 8000, 5000],
'Age': [50, 43, 34, 40, 25, 25, 45, 32]
},index= ['a','b','c','d','e','f','g','h'])
# 取列
df['Country'] # series的形式
df[['Country']] # Dataframe的形式
# 取列已经知道了,取行怎么取
df.head(3)
# 获取单行 loc后面默认取行
df.loc['a'] # 把显示索引为 a 的 行数据取出来 是Series类型
df.loc[['a']] # 把显示索引为 a 的 行数据取出来 是Dataframe的类型 因为是二维
df.loc[-1] # 会报错 因为没有行名(显示索引)是为 -1 的
df.iloc[0]
# 取指定多行
df.iloc[[1,2,4]] # 获取多行
df[0:3] # 注意是隐式索引(了解)
# 行列混合
语法是df.loc[行,列] (iloc同样适用)
# 取列
df.loc[:,'Country'] # 逗号左边的冒号是的是取所有的行,冒号右边是取指定的列 series的形式
df['Country'] # 等同于
df.loc[:,['Country','Income']] # 特别注意: loc对应的是名字 也就是显示索引 Dataframe的形式
df[['Country','Age']] # 等同于
#获取指定的多行多列 : 特别注意两个中括号的使用 Dataframe的形式
df.loc[['a','b'],['Country','Age']]
df.iloc[[0,2],[1,2]]
df.loc['a':'e','Country':'Age'] # 这个就不用加中括号 因为有冒号
df.iloc[0:4,0:3]
# 获取单个数据
df.loc['a','Country']
df.loc[['a'],['Country']]
# 获取单个数据的Dataframe, 特别注意中括号的使用 小窍门: 只要前后都有两个中括号 一定就是Dataframe的类型包括冒号 也算是中括号的含义
# 特别注意 就是显式索引和隐式索引区间的问题
df.iloc[0: 3,0:3]
df.loc['a':'c','Age': 'Income']
# 小练习: 取国家为India前两行行数据
df[df.Country=='India'].iloc[0:2]
df[df.Country=='India'].head(2)
# 小练习 : Age列等于偶数那些数据 赋值成 90岁
df['Age'] =90 # 正常赋值
df[df['Age'] %2==0 ]['Age'] =90 # 会出现异样
new__index=df[df['Age'] %2==0 ].index #先取出index
df.loc[new__index,'Age'] = 90loc 更加灵活多变，代码的可读性更高，iloc 的代码简洁，但可读性不高。具体在数据分析工作中使用哪一种方法，根据情况而定，大多数时候建议使用 loc 方法.
易错点
df['a' : 'c'] # 显性索引都是闭区间
df[0 : 4] # 隐式索引是左闭右开区间
df.loc[:,'Income'] # series类型 一般会df['Income'] 取值
df.loc[:,['Income']] # Dataframe类型 ,小窍门 : 因为有两个中括号(冒号也有中括号的含义)是二维的有行和列
df.loc['b','Income'] # 取值 为一个元素
df.loc['b',['Income']] # series类型 ,只有一个'b',是series类型 此时loc分不清取一个还是多个
df.loc[['b'],['Income']] # 这样才是 Datafame类型 和之前的对比 ,因为是有两个中括号写入文件
特别注意 :
写入文件的的时候 , 一定要一个单元格运行一次代码 不要一行单元格运行多个代码 否则会出现尴尬的错误
test_dict= {
'name': ['Alice', 'Bob', 'Cindy', 'Eric', 'Helen', 'Grace '],
'math': [90, 89, 99, 78, 97, 93],
'english': [89, 94, 80, 94, 94, 90]
} # 准备数据
df=pd.DataFrame(test_dict)
df.to_csv('./ceshi2.csv') # 存储数据
pd.read_csv('./ceshi2.csv') # 读入数据非常尴尬的一点就是 : 多了一个 unnameed : 0 这一列 这是在 存储 csv的时候 默认把之前的在jupyter显示的索引存进去
两种办法解决 :
- to_csv(index = False ) 即可解决
- 用drop进行删除列为 unnameed : 0 然后 drop的参数里变成 inplace = True 即可
test_dict= {'id':[1,2,3,4,5,6],'name':['Alice','Bob','Cindy','Eric','Helen','Grace '],'math':[90,89,99,78,97,93],'english':[89,94,80,94,94,90]}
df=pd.DataFrame(test_dict)
df.to_csv('./ceshi2.csv',index= False) # 消除 unnamed 列
pd.read_csv('./ceshi2.csv')本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
