Pandas教程-Python Pandas DataFrame
Pandas DataFrame（数据框）是一种广泛使用的数据结构，它与带有标签轴（行和列）的二维数组一起工作。DataFrame 被定义为存储具有两个不同索引的数据的标准方式，即行索引和列索引。它具有以下属性：
- 列可以是异构类型，如整数、布尔值等。
- 它可以被看作是一种 Series 结构的字典，其中行和列都被索引。在列的情况下，它表示为“columns”，在行的情况下表示为“index”。
参数和描述:
data: 它由不同形式组成，如 ndarray、series、map、constants、lists、array。
index: 如果没有传递索引，则默认使用 np.arrange(n) 索引作为行标签。
columns: 列标签的默认语法是 np.arrange(n)。如果没有传递索引，则仅显示 true。
dtype: 指的是每列的数据类型。
copy(): 用于复制数据。
创建 DataFrame
我们可以使用以下方式创建 DataFrame：
- 字典
- 列表
- Numpy 数组
- Series
创建一个空的 DataFrame
以下代码显示了如何在 Pandas 中创建一个空的 DataFrame：
# importing the pandas library
import pandas as pd
df = pd.DataFrame()
print (df) 输出
Empty DataFrame
Columns: []
Index: []说明: 在上面的代码中，首先我们导入了 pandas 库并使用别名 pd，然后定义了一个名为 df 的变量，其中包含一个空的 DataFrame。最后，我们通过将 df 传递给 print 来打印它。
使用列表创建 DataFrame:
我们可以使用列表在 Pandas 中轻松创建 DataFrame。
# importing the pandas library
import pandas as pd
# a list of strings
x = ['Python', 'Pandas']
# Calling DataFrame constructor on list
df = pd.DataFrame(x)
print(df) 输出
0
0 Python
1 Pandas说明: 在上面的代码中，我们定义了一个名为 "x" 的变量，其中包含字符串值。调用了列表的 DataFrame 构造函数以打印值。
使用字典的 ndarrays/列表创建 DataFrame
# importing the pandas library
import pandas as pd
info = {'ID' :[101, 102, 103],'Department' :['B.Sc','B.Tech','M.Tech',]}
df = pd.DataFrame(info)
print (df) 输出
ID Department
0 101 B.Sc
1 102 B.Tech
2 103 M.Tech说明: 在上面的代码中，我们定义了一个名为 "info" 的字典，其中包含 ID 和 Department 的列表。为了打印值，我们必须通过一个名为 df 的变量调用 info 字典，并将其作为参数传递给 print()。
使用 Series 的字典创建 DataFrame:
# importing the pandas library
import pandas as pd
info = {'one' : pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f']),
'two' : pd.Series([1, 2, 3, 4, 5, 6, 7, 8], index=['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])}
d1 = pd.DataFrame(info)
print (d1) 输出
one two
a 1.0 1
b 2.0 2
c 3.0 3
d 4.0 4
e 5.0 5
f 6.0 6
g NaN 7
h NaN 8说明: 在上面的代码中，一个名为 "info" 的字典包含两个具有各自索引的 Series。为了打印值，我们必须通过一个名为 d1 的变量调用 info 字典，并将其作为参数传递给 print()。
列选择
我们可以从 DataFrame 中选择任何列。下面的代码演示了如何从 DataFrame 中选择列。
# importing the pandas library
import pandas as pd
info = {'one' : pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f']),
'two' : pd.Series([1, 2, 3, 4, 5, 6, 7, 8], index=['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])}
d1 = pd.DataFrame(info)
print (d1 ['one']) 输出
a 1.0
b 2.0
c 3.0
d 4.0
e 5.0
f 6.0
g NaN
h NaN
Name: one, dtype: float64说明: 在上面的代码中，一个名为 "info" 的字典包含两个具有各自索引的 Series。随后，我们通过一个名为 d1 的变量调用 info 字典，并通过将其传递给 print() 选择了 "one" Series。
列添加
我们也可以将任何新列添加到现有的 DataFrame 中。下面的代码演示了如何将任何新列添加到现有的 DataFrame 中：
# importing the pandas library
import pandas as pd
info = {'one' : pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e']),
'two' : pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f'])}
df = pd.DataFrame(info)
# Add a new column to an existing DataFrame object
print ("Add new column by passing series")
df['three']=pd.Series([20,40,60],index=['a','b','c'])
print (df)
print ("Add new column using existing DataFrame columns")
df['four']=df['one']+df['three']
print (df) 输出
Add new column by passing series
one two three
a 1.0 1 20.0
b 2.0 2 40.0
c 3.0 3 60.0
d 4.0 4 NaN
e 5.0 5 NaN
f NaN 6 NaN
Add new column using existing DataFrame columns
one two three four
a 1.0 1 20.0 21.0
b 2.0 2 40.0 42.0
c 3.0 3 60.0 63.0
d 4.0 4 NaN NaN
e 5.0 5 NaN NaN
f NaN 6 NaN NaN说明: 在上面的代码中，一个名为 f 的字典包含两个具有各自索引的 Series。随后，我们通过一个名为 df 的变量调用 info 字典。
要将新列添加到现有的 DataFrame 对象中，我们传递了一个包含一些值的新 series，并使用 print() 打印了其结果。
我们可以使用现有 DataFrame 添加新列。已添加了“four”列，该列存储两列的加法结果，即 one 和 three。
列删除:
我们也可以从现有的 DataFrame 中删除任何列。这段代码演示了如何从现有的 DataFrame 中删除列：
# importing the pandas library
import pandas as pd
info = {'one' : pd.Series([1, 2], index= ['a', 'b']),
'two' : pd.Series([1, 2, 3], index=['a', 'b', 'c'])}
df = pd.DataFrame(info)
print ("The DataFrame:")
print (df)
# using del function
print ("Delete the first column:")
del df['one']
print (df)
# using pop function
print ("Delete the another column:")
df.pop('two')
print (df) 输出
The DataFrame:
one two
a 1.0 1
b 2.0 2
c NaN 3
Delete the first column:
two
a 1
b 2
c 3
Delete the another column:
Empty DataFrame
Columns: []
Index: [a, b, c]说明:
在上面的代码中，df 变量负责调用 info 字典并打印字典的所有值。我们可以使用 delete 或 pop 函数从 DataFrame 中删除列。
在第一种情况中，我们使用 delete 函数从 DataFrame 中删除了 "one" 列，而在第二种情况中，我们使用 pop 函数从 DataFrame 中删除了 "two" 列。
行选择、添加和删除
行选择:
我们可以随时轻松选择、添加或删除任何行。首先，我们将了解行选择。让我们看看如何使用不同的方式选择行，如下所示：
通过标签选择:
我们可以通过将行标签传递给 loc 函数来选择任何行。
# importing the pandas library
import pandas as pd
info = {'one' : pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e']),
'two' : pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f'])}
df = pd.DataFrame(info)
print (df.loc['b']) 输出
one 2.0
two 2.0
Name: b, dtype: float64说明: 在上面的代码中，一个名为 "info" 的字典包含两个具有各自索引的 Series。
要选择一行，我们将行标签传递给 loc 函数。
通过整数位置选择:
也可以通过将整数位置传递给 iloc 函数来选择行。
# importing the pandas library
import pandas as pd
info = {'one' : pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e']),
'two' : pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f'])}
df = pd.DataFrame(info)
print (df.iloc[3]) 输出
one 4.0
two 4.0
Name: d, dtype: float64说明: 在上面的代码中，我们定义了一个名为 "info" 的字典，其中包含两个具有各自索引的 Series。
要选择一行，我们将整数位置传递给 iloc 函数。
切片行
这是使用 ':' 运算符选择多行的另一种方法。
# importing the pandas library
import pandas as pd
info = {'one' : pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e']),
'two' : pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f'])}
df = pd.DataFrame(info)
print (df[2:5]) 输出
one two
c 3.0 3
d 4.0 4
e 5.0 5说明: 在上面的代码中，我们定义了一个范围从 2:5 的区间以选择行，然后在控制台上打印其值。
添加行:
我们可以使用 append 函数轻松将新行添加到 DataFrame 中。它将新行添加到末尾。
# importing the pandas library
import pandas as pd
d = pd.DataFrame([[7, 8], [9, 10]], columns = ['x','y'])
d2 = pd.DataFrame([[11, 12], [13, 14]], columns = ['x','y'])
d = d.append(d2)
print (d) 输出
x y
0 7 8
1 9 10
0 11 12
1 13 14说明: 在上面的代码中，我们定义了两个分别包含一些行和列的列表。然后，使用 append 函数添加了这些列，然后在控制台上显示了结果。
删除行:
我们可以使用 index 标签从 DataFrame 中删除或删除任何行。如果情况下，标签重复，则将删除多行。
# importing the pandas library
import pandas as pd
a_info = pd.DataFrame([[4, 5], [6, 7]], columns = ['x','y'])
b_info = pd.DataFrame([[8, 9], [10, 11]], columns = ['x','y'])
a_info = a_info.append(b_info)
# Drop rows with label 0
a_info = a_info.drop(0) 输出
x y
1 6 7
1 10 11说明: 在上面的代码中，我们定义了两个分别包含一些行和列的列表。
这里，我们定义了要从列表中删除的行的索引标签。
DataFrame 函数
DataFrame 中有许多常用的函数，如下所示：
| 函数 | 描述 |
|---|---|
| Pandas DataFrame.append() | 将其他 dataframe 的行添加到给定 dataframe 的末尾。 |
| Pandas DataFrame.apply() | 允许用户传递一个函数，并将其应用于 Pandas series 的每个单个值。 |
| Pandas DataFrame.assign() | 向 dataframe 中添加新列。 |
| Pandas DataFrame.astype() | 将 Pandas 对象转换为指定的数据类型。 |
| Pandas DataFrame.concat() | 在 DataFrame 上沿轴执行连接操作。 |
| Pandas DataFrame.count() | 计算每列或每行的非 NA 单元格数。 |
| Pandas DataFrame.describe() | 计算一些统计数据，如 Series 或 DataFrame 的数字值的百分位数、均值和标准差。 |
| Pandas DataFrame.drop_duplicates() | 从 DataFrame 中删除重复值。 |
| Pandas DataFrame.groupby() | 将数据拆分成各种组。 |
| Pandas DataFrame.head() | 基于位置返回对象的前 n 行。 |
| Pandas DataFrame.hist() | 将数值变量中的值分割为“箱子”。 |
| Pandas DataFrame.iterrows() | 遍历行作为（索引，系列）对。 |
| Pandas DataFrame.mean() | 返回请求轴的值的平均值。 |
| Pandas DataFrame.melt() | 将 DataFrame 从宽格式解除成长格式。 |
| Pandas DataFrame.merge() | 将两个数据集合并为一个。 |
| Pandas DataFrame.pivot_table() | 使用诸如 Sum、Count、Average、Max 和 Min 等计算聚合数据。 |
| Pandas DataFrame.query() | 过滤数据帧。 |
| Pandas DataFrame.sample() | 随机选择数据帧的行和列。 |
| Pandas DataFrame.shift() | 移动列或从数据帧中减去前一行值的列值。 |
| Pandas DataFrame.sort() | 对数据帧进行排序。 |
| Pandas DataFrame.sum() | 返回用户请求轴的值的总和。 |
| Pandas DataFrame.to_excel() | 将数据帧导出到 Excel 文件。 |
| Pandas DataFrame.transpose() | 转置数据帧的索引和列。 |
| Pandas DataFrame.where() | 检查数据帧是否满足一个或多个条件。 |
