python dataframe存入csv python csv dataframe

转载

mob64ca13ff5b03 2023-10-23 14:02:07

数据帧(DataFrame)是二维数据结构，即数据以行和列的表格方式排列。数据帧(DataFrame)的功能特点：
潜在的列是不同的类型
大小可变
标记轴(行和列)
可以对行和列执行算术运算

pandas.DataFrame

pandas中的DataFrame可以使用以下构造函数创建：

pandas.DataFrame( data, index, columns, dtype, copy)

Python构造函数的参数如下 -

编号	参数	描述
1	data	数据采取各种形式，如:ndarray，series，map，lists，dict，constant和另一个DataFrame。
2	index	对于行标签，要用于结果帧的索引是可选缺省值np.arrange(n)，如果没有传递索引值。
3	columns	对于列标签，可选的默认语法是 - np.arange(n)。这只有在没有索引传递的情况下才是这样。
4	dtype	每列的数据类型。
5	copy	如果默认值为False，则此命令(或任何它)用于复制数据。

创建DataFrame

Pandas数据帧(DataFrame)可以使用各种输入创建，如：

列表
字典
系列
Numpy ndarrays
另一个数据帧(DataFrame)

1.创建基本数据帧是空数据帧。

>>>import pandas as pd
>>>df = pd.DataFrame()
>>>df
Empty DataFrame
Columns: []
Index: []

2.可以使用单个列表或列表列表创建数据帧(DataFrame)。

>>>import pandas as pd
>>>data = [1,2,3,4,5]
>>>df = pd.DataFrame(data)
>>>df
   0
0  1
1  2
2  3
3  4
4  5

>>>data = [['Alex',10],['Bob',12],['Clarke',13]]
>>>df = pd.DataFrame(data,columns=['Name','Age'])
>>>df
     Name  Age
0    Alex   10
1     Bob   12
2  Clarke   13

>>>data = [['Alex',10],['Bob',12],['Clarke',13]]
>>>df = pd.DataFrame(data,columns=['Name','Age'],dtype=float)
>>>df
     Name   Age
0    Alex  10.0
1     Bob  12.0
2  Clarke  13.0

注意 : 可以观察到，dtype参数将Age列的类型更改为浮点。

3.所有的ndarrays必须具有相同的长度。如果传递了索引(index)，则索引的长度应等于数组的长度。
如果没有传递索引，则默认情况下，索引将为range(n)，其中n为数组长度。

>>>import pandas as pd
>>>data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
>>>df = pd.DataFrame(data)
>>>df
   Age   Name
0   28    Tom
1   34   Jack
2   29  Steve
3   42  Ricky

4.使用数组创建一个索引的数据帧(DataFrame)。

>>>import pandas as pd
>>>data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
>>>df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])
>>>df
       Age   Name
rank1   28    Tom
rank2   34   Jack
rank3   29  Steve
rank4   42  Ricky

注意 : index参数为每行分配一个索引。

5.通过传递字典列表来创建数据帧(DataFrame)。

>>>import pandas as pd
>>>data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
>>>df = pd.DataFrame(data)
>>>df
   a   b     c
0  1   2   NaN
1  5  10  20.0

6.通过传递字典列表和行索引来创建数据帧(DataFrame)。

>>>import pandas as pd
>>>data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
>>>df = pd.DataFrame(data, index=['first', 'second'])
>>>df
        a   b     c
first   1   2   NaN
second  5  10  20.0

7.使用字典，行索引和列索引列表创建数据帧(DataFrame)。

>>>import pandas as pd
>>>data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
>>>df1 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])
>>>df2 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b1'])
>>>df1
        a   b
first   1   2
second  5  10

>>>df2
        a  b1
first   1 NaN
second  5 NaN

注意 : df2使用字典键以外的列索引创建DataFrame; 因此，附加了NaN到位置上。而df1是使用列索引创建的，与字典键相同，所以也附加了NaN。

8.字典的系列可以传递以形成一个DataFrame。所得到的索引是通过的所有系列索引的并集。

>>>import pandas as pd
>>>d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
      'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
>>>df = pd.DataFrame(d)
>>>df
   one  two
a  1.0    1
b  2.0    2
c  3.0    3
d  NaN    4

列操作

1.列选择

>>>import pandas as pd
>>>d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
      'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
>>>df = pd.DataFrame(d)
>>>df ['one']
a    1.0
b    2.0
c    3.0
d    NaN
Name: one, dtype: float64

2.列添加

>>>import pandas as pd
>>>d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
      'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
>>>df = pd.DataFrame(d)
>>>df['three']=pd.Series([10,20,30],index=['a','b','c'])
>>>df
   one  two  three
a  1.0    1   10.0
b  2.0    2   20.0
c  3.0    3   30.0
d  NaN    4    NaN

>>>df['four']=df['one']+df['three']
>>>df
   one  two  three  four
a  1.0    1   10.0  11.0
b  2.0    2   20.0  22.0
c  3.0    3   30.0  33.0
d  NaN    4    NaN   NaN

3.列删除

>>>import pandas as pd
>>>d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']), 
     'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']), 
     'three' : pd.Series([10,20,30], index=['a','b','c'])}
>>>df = pd.DataFrame(d)
>>>df
   one  three  two
a  1.0   10.0    1
b  2.0   20.0    2
c  3.0   30.0    3
d  NaN    NaN    4

>>>del df['one']
>>>df
   three  two
a   10.0    1
b   20.0    2
c   30.0    3
d    NaN    4

>>>df.pop('two')
>>>df
   three
a   10.0
b   20.0
c   30.0
d    NaN

行操作

1.通过将行标签传递给loc()函数来选择行。

>>>import pandas as pd
>>>d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']), 
     'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
>>>df = pd.DataFrame(d)
>>>df.loc['b']
one    2.0
two    2.0
Name: b, dtype: float64

2.通过将整数位置传递给iloc()函数来选择行。

>>>import pandas as pd
>>>d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
     'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
>>>df = pd.DataFrame(d)
>>>df.iloc[2]
one    3.0
two    3.0
Name: c, dtype: float64

3.使用:运算符选择多行。

>>>import pandas as pd
>>>d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']), 
    'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
>>>df = pd.DataFrame(d)
>>>df[2:4]
   one  two
c  3.0    3
d  NaN    4

4.使用append()函数将新行添加到DataFrame。此功能将附加行结束。

>>>import pandas as pd
>>>df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
>>>df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
>>>df = df.append(df2)
>>>df
   a  b
0  5  6
1  7  8

5.使用索引标签从DataFrame中删除或删除行。如果标签重复，则会删除多行。
如果有注意，在上述示例中，有标签是重复的。这里再多放一个标签，看看有多少行被删除。

>>>import pandas as pd
>>>df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
>>>df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
>>>df = df.append(df2)
>>>df = df.drop(0)
>>>df
   a  b
1  7  8

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。