Pandas DataFrame


数据框架是一种二维数据结构,即数据按行和列的表格方式排列。

DataFrame的特点

  • 可能的列是不同类型的
  • 大小 - 可变
  • 标记轴(行和列)
  • 可以对行和列执行算术运算

结构体

让我们假设我们正在创建一个包含学生数据的数据框。

结构表

您可以将其视为SQL表格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一个pandas DataFrame -

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

构造函数的参数如下所示 -

S.No 参数和说明
1 data
数据采用各种形式,如ndarray,序列,地图,列表,字典,常量和另一个DataFrame。
2 index
对于行标签,如果没有索引被传递,则要用于结果帧的索引是可选缺省值np.arrange(n)。
3 columns
对于列标签,可选的默认语法是 - np.arrange(n)。这只有在没有通过索引的情况下才是正确的。
4 dtype
每列的数据类型。
4 copy
如果默认值为False,则使用该命令(或其它)复制数据。

创建数据框

PandasDataFrame可以使用各种输入来创建,例如 -

  • 列表
  • 字典
  • 序列
  • Numpy ndarrays
  • 其他的DataFrame

在本章后面的章节中,我们将看到如何使用这些输入创建一个DataFrame。

创建一个空的DataFrame

一个可以创建的基本DataFrame是一个Empty Dataframe。

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

输出 如下 -

Empty DataFrame
Columns: []
Index: []

从列表中创建一个DataFrame

DataFrame可以使用单个列表或列表列表创建。

例1

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

输出 如下 -

0
0    1
1    2
2    3
3    4
4    5

例2

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

输出 如下 -

Name      Age
0     Alex      10
1     Bob       12
2     Clarke    13

例3

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

输出 如下 -

Name     Age
0     Alex     10.0
1     Bob      12.0
2     Clarke   13.0

- 观察, dtype 参数将Age列的类型更改为浮点型。

从ndarrays / Lists的Dict创建一个DataFrame

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

如果没有索引被传递,那么默认情况下,索引将是range(n),其中 n 是数组长度。

例1

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

输出 如下 -

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

- 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2

现在让我们使用数组创建索引的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

输出 如下 -

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

- 观察, 索引 参数为每一行分配一个索引。

从列表中创建一个DataFrame

字典列表可以作为输入数据传递以创建DataFrame。字典键默认作为列名。

例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

输出 如下 -

a    b      c
0   1   2     NaN
1   5   10   20.0

- 观察,NaN(不是数字)被添加到缺失区域。

例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

输出 如下 -

a   b       c
first   1   2     NaN
second  5   10   20.0

例3

以下示例显示如何使用字典,行索引和列索引列表创建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

输出 如下 -

#df1 output
         a  b
first    1  2
second   5  10

#df2 output
         a  b1
first    1  NaN
second   5  NaN

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

从序列字典创建一个DataFrame

序列词典可以被传递以形成DataFrame。结果索引是所有传递的序列索引的联合。

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

输出 如下 -

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

- 观察序列一,没有标签 'd' 通过,但在结果中,对于 d 标签,NaN附加了NaN。

现在让我们通过例子来理解 列的选择,添加删除

列选择

我们将通过从DataFrame中选择一列来理解这一点。

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']

输出 如下 -

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

列添加

我们将通过在现有数据框中添加新列来理解这一点。

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

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; 让我们举个例子来了解如何。

# 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

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

现在我们将通过例子来理解行选择,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']

输出 如下 -

one 2.0
two 2.0
Name: b, dtype: float64

结果是一序列标签作为DataFrame的列名称。而且,该序列的名称是它被检索到的标签。

按整数位置选择

行可以通过将整数位置传递给 iloc 函数来选择。

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)
print df.iloc[2]

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]

输出 如下 -

one    two
c     3.0     3
d     NaN     4

添加行

使用 append 函数将新行添加到DataFrame 。该函数将在最后附加行。

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

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。如果标签被复制,则多行将被删除。

如果您在上面的示例中观察到标签是重复的。让我们放下一个标签,并会看到有多少行会被丢弃。

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

输出 如下 -

a b
1 3 4
1 7 8

在上面的例子中,两行被删除,因为这两行包含相同的标签0。