Python Pandas - DataFrame

数据框是二维数据结构，即数据以行和列的表格形式对齐。

DataFrame的功能

潜在的列有不同的类型
大小 - 可变
标记轴（行和列）
可以对行和列执行算术运算

结构 Structure

我们假设我们正在创建一个包含学生数据的数据框。

您可以将其视为SQL表或电子表格数据表示。

pandas.DataFrame

可以使用以下构造函数创建pandas DataFrame -

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

构造函数的参数如下 -

S.No	参数和描述
1	data 数据采用各种形式，如ndarray，系列，地图，列表，字典，常量以及另一个DataFrame。
2	index 对于行标签，如果没有传递索引，则用于结果帧的索引是Optional Default np.arrange（n）。
3	columns 对于列标签，可选的默认语法是 - np.arrange（n）。仅当没有传递索引时才会出现这种情况。
4	dtype 每列的数据类型。
4	copy 如果默认值为False，则此命令（或其他任何命令）用于复制数据。

创建DataFrame

可以使用各种输入创建pandas DataFrame，例如 -

Lists
dict
Series
Numpy ndarrays
另一个DataFrame

在本章的后续部分中，我们将了解如何使用这些输入创建DataFrame。

创建一个空DataFrame

可以创建的基本DataFrame是空数据帧。

例子 (Example)

#import the pandas library and aliasing as pd
import pandas as pd
df = pd.DataFrame()
print df

其output如下 -

Empty DataFrame
Columns: []
Index: []

从列表中创建DataFrame

可以使用单个列表或列表列表创建DataFrame。

例子1 (Example 1)

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

其output如下 -

例子2 (Example 2)

import pandas as pd
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'])
print df

其output如下 -

      Name      Age
0     Alex      10
1     Bob       12
2     Clarke    13

例子3 (Example 3)

import pandas as pd
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'],dtype=float)
print df

其output如下 -

      Name     Age
0     Alex     10.0
1     Bob      12.0
2     Clarke   13.0

Note - 观察， dtype参数将Age列的类型更改为浮点。

从ndarrays/Lists的Dict创建一个DataFrame

所有的ndarrays必须具有相同的长度。如果传递了index，那么索引的长度应该等于数组的长度。

如果没有传递索引，那么默认情况下，index将是range（n），其中n是数组长度。

例子1 (Example 1)

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

其output如下 -

      Age      Name
0     28        Tom
1     34       Jack
2     29      Steve
3     42      Ricky

Note - 观察值0,1,2,3。它们是使用函数范围（n）分配给每个索引的默认索引。

例子2 (Example 2)

现在让我们使用数组创建一个索引的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'])
print df

其output如下 -

         Age    Name
rank1    28      Tom
rank2    34     Jack
rank3    29    Steve
rank4    42    Ricky

Note - 观察， index参数为每一行分配一个索引。

从Dicts列表创建一个DataFrame

字典列表可以作为输入数据传递以创建DataFrame。默认情况下，字典键被视为列名。

例子1 (Example 1)

以下示例显示如何通过传递字典列表来创建DataFrame。

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

其output如下 -

    a    b      c
0   1   2     NaN
1   5   10   20.0

Note - 观察，NaN（非数字）附加在缺失区域中。

例子2 (Example 2)

以下示例显示如何通过传递字典列表和行索引来创建DataFrame。

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

其output如下 -

        a   b       c
first   1   2     NaN
second  5   10   20.0

例子3 (Example 3)

以下示例显示如何使用字典列表，行索引和列索引创建DataFrame。

import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
#With two column indices, values same as dictionary keys
df1 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])
#With two column indices with one index with other name
df2 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b1'])
print df1
print df2

其output如下 -

#df1 output
         a  b
first    1  2
second   5  10
#df2 output
         a  b1
first    1  NaN
second   5  NaN

Note - 观察，df2使用除字典键以外的列索引创建DataFrame; 因此，将NaN附加到位。而df1是使用与字典键相同的列索引创建的，因此附加了NaN。

从Dict of Series创建一个DataFrame

可以传递系列字典以形成DataFrame。结果索引是传递的所有系列索引的并集。

例子 (Example)

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)
print df

其output如下 -

      one    two
a     1.0    1
b     2.0    2
c     3.0    3
d     NaN    4

Note - 观察，对于系列1，没有传递标签'd' ，但在结果中，对于d标签，NaN附加了NaN。

现在让我们通过示例了解column selection, addition和deletion 。

列选择

我们将通过从DataFrame中选择一列来理解这一点。

例子 (Example)

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)
print df ['one']

其output如下 -

a     1.0
b     2.0
c     3.0
d     NaN
Name: one, dtype: float64

列添加

我们将通过向现有数据框添加新列来理解这一点。

例子 (Example)

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)
# Adding a new column to an existing DataFrame object with column label by passing new series
print ("Adding a new column by passing as Series:")
df['three']=pd.Series([10,20,30],index=['a','b','c'])
print df
print ("Adding a new column using the existing columns in DataFrame:")
df['four']=df['one']+df['three']
print df

其output如下 -

Adding a new column by passing as Series:
     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
Adding a new column using the existing columns in DataFrame:
      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

列删除

列可以删除或弹出; 让我们举一个例子来了解如何。

例子 (Example)

# Using the previous DataFrame, we will delete a column
# using del function
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)
print ("Our dataframe is:")
print df
# using del function
print ("Deleting the first column using DEL function:")
del df['one']
print df
# using pop function
print ("Deleting another column using POP function:")
df.pop('two')
print df

其output如下 -

Our dataframe is:
      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
Deleting the first column using DEL function:
      three    two
a     10.0     1
b     20.0     2
c     30.0     3
d     NaN      4
Deleting another column using POP function:
   three
a  10.0
b  20.0
c  30.0
d  NaN

行选择，添加和删除

我们现在将通过示例了解行选择，添加和删除。让我们从选择的概念开始。

按标签选择

可以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)
print df.loc['b']

其output如下 -

one 2.0
two 2.0
Name: b, dtype: float64

结果是一系列标签作为DataFrame的列名。并且，系列的名称是用于检索它的标签。

按整数位置选择

可以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)
print df.iloc[2]

其output如下 -

one   3.0
two   3.0
Name: c, dtype: float64

切片行

可以使用':'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)
print df[2:4]

其output如下 -

      one    two
c     3.0     3
d     NaN     4

添加行

使用append函数向DataFrame添加新行。此函数将在末尾附加行。

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)
print df

其output如下 -

删除行

使用索引标签从DataFrame中删除或删除行。如果标签重复，则将删除多行。

如果您观察到，在上面的示例中，标签是重复的。让我们删除一个标签，看看会丢弃多少行。

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)
# Drop rows with label 0
df = df.drop(0)
print df

其output如下 -

  a b
1 3 4
1 7 8

在上面的示例中，删除了两行，因为这两行包含相同的标签0。

<上一篇.Python Pandas - Series

Python Pandas - Panel.下一篇>

Python Pandas - 教程

Python Pandas - 介绍

Python Pandas - Environment Setup

数据结构简介(Introduction to Data Structures)

Python Pandas - Series