Python Pandas - 数据帧

---

数据框是二维数据结构，即数据以表格方式按行和列对齐。

数据框的特点

• 列可能具有不同类型
• 大小 – 可变
• 带标签的轴（行和列）
• 可以对行和列执行算术运算

结构

假设我们正在使用学生的数据创建一个数据框。

您可以将其视为 SQL 表或电子表格数据表示形式。

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 -

创建数据框

可以使用各种输入创建 pandas DataFrame，例如 -

• 列表
• 词典
• 系列
• Numpy ndarrays
• 另一个数据框

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。

创建一个空数据框

可以创建的基本数据框是空数据框。

例子

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

其输出如下 -

Empty DataFrame
Columns: []
Index: []

从列表创建数据框

可以使用单个列表或列表列表来创建 DataFrame。

实施例1

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

其输出如下 -

     0
0    1
1    2
2    3
3    4
4    5

实施例2

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

其输出如下 -

      Name      Age
0     Alex      10
1     Bob       12
2     Clarke    13

实施例3

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

其输出如下 -

      Name     Age
0     Alex     10.0
1     Bob      12.0
2     Clarke   13.0

注意- 观察dtype参数将 Age 列的类型更改为浮点。

从 ndarrays / 列表的字典创建 DataFrame

所有ndarray 的长度必须相同。如果传递索引，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是数组长度。

实施例1

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

其输出如下 -

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

注意- 观察值 0、1、2、3。它们是使用函数 range(n) 分配给每个的默认索引。

实施例2

现在让我们使用数组创建一个索引 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

其输出如下 -

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

注意- 观察，索引参数为每行分配一个索引。

从字典列表创建数据框

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。

实施例1

以下示例演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

其输出如下 -

    a    b      c
0   1   2     NaN
1   5   10   20.0

注意- 观察，NaN（不是数字）被附加在缺失的区域中。

实施例2

以下示例演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

其输出如下 -

        a   b       c
first   1   2     NaN
second  5   10   20.0

实施例3

以下示例演示如何创建包含字典、行索引和列索引列表的 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

其输出如下 -

#df1 output
         a  b
first    1  2
second   5  10

#df2 output
         a  b1
first    1  NaN
second   5  NaN

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

从系列字典创建数据框

可以传递系列字典以形成数据帧。结果索引是所有传递的系列索引的并集。

例子

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

其输出如下 -

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

注意- 观察到，对于系列一，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来了解列的选择、添加和删除。

色谱柱选择

我们将通过从 DataFrame 中选择一列来理解这一点。

例子

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']

其输出如下 -

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

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

其输出如下 -

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

列可以被删除或弹出；让我们举个例子来理解如何做到这一点。

例子

# 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

其输出如下 -

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

现在我们将通过示例来了解行选择、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']

其输出如下 -

one 2.0
two 2.0
Name: b, dtype: float64

结果是一系列标签作为 DataFrame 的列名称。并且，该系列的名称是检索该系列的标签。

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]

其输出如下 -

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]

其输出如下 -

   one  two
c  3.0    3
d  NaN    4

添加行

使用追加函数将新行添加到 DataFrame 。此函数将在末尾追加行。

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

其输出如下 -

   a  b
0  1  2
1  3  4
0  5  6
1  7  8

删除行

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

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，看看将删除多少行。

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

其输出如下 -

  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。