Lesson4——Pandas DataFrame结构

阅读原文时间：2022年02月08日阅读：1

pandas目录

思维导图

1 简介

　　DataFrame 是 Pandas 的重要数据结构之一，也是在使用 Pandas 进行数据分析过程中最常用的结构之一。

2 认识DataFrame结构

　　DataFrame 一个表格型的数据结构，既有行标签（index），又有列标签（columns），它也被称异构数据表，所谓异构，指的是表格中每列的数据类型可以不同，比如可以是字符串、整型或者浮点型等。其结构图示意图，如下所示：

　　表格中展示了某个销售团队个人信息和绩效评级（rating）的相关数据。数据以行和列形式来表示，其中每一列表示一个属性，而每一行表示一个条目的信息。

　　下表展示了上述表格中每一列标签所描述数据的数据类型，如下所示：

Column

Type

name

String

age

integer

gender

String

rating

Float

DataFrame 的每一行数据都可以看成一个 Series 结构，只不过，DataFrame 为这些行中每个数据值增加了一个列标签。
同 Series 一样，DataFrame 自带行标签索引，默认为“隐式索引”即从 0 开始依次递增，行标签与 DataFrame 中的数据项一一对应。当然你也可以用“显式索引”的方式来设置行标签。
DataFrame 数据结构的特点：
- DataFrame 每一列的标签值允许使用不同的数据类型；
- DataFrame 是表格型的数据结构，具有行和列；
- DataFrame 中的每个数据值都可以被修改。
- DataFrame 结构的行数、列数允许增加或者删除；
- DataFrame 有两个方向的标签轴，分别是行标签和列标签；
- DataFrame 可以对行和列执行算术运算。

3 创建DataFrame对象

创建 DataFrame 对象的语法格式如下：

import pandas as pd
pd.DataFrame( data, index, columns, dtype, copy)

参数说明：

参数名称

说明

data

输入的数据，可以是 ndarray，series，list，dict，标量以及一个 DataFrame。

index

行标签，如果没有传递 index 值，则默认行标签是 np.arange(n)，n 代表 data 的元素个数。

columns

列标签，如果没有传递 columns 值，则默认列标签是 np.arange(n)。

dtype

dtype表示每一列的数据类型。

copy

默认为 False，表示复制数据 data。

　　Pandas 提供了多种创建 DataFrame 对象的方式，主要包含以下五种，分别进行介绍。

创建空的 DataFrame。

import pandas as pd
df = pd.DataFrame()
print(df)

　　输出结果：

Empty DataFrame
Columns: []
Index: []

可以使用单一列表或嵌套列表来创建一个 DataFrame。
示例 1，单一列表创建 DataFrame：

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

　　输出如下：

0 1
1 2
2 3
3 4
4 5

示例 2，使用嵌套列表创建 DataFrame 对象：

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

　　输出结果：

  Name      Age

0 Alex 10
1 Bob 12
2 Clarke 13

示例 3，指定数值元素的数据类型为 float：

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

　　输出结果：

  Name     Age

0 Alex 10.0
1 Bob 12.0
2 Clarke 13.0

字典中，键对应的值的元素长度必须相同（列表长度相同）。
若传递了索引，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，索引将是 $range(n)$，其中 $n$ 代表数组长度。
示例 4：

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

　　输出结果：

  Age      Name

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

　　注意：这里使用了默认行标签，也就是 $range(n)$。它生成了 $0,1,2,3$，并分别对应了列表中的每个元素值。

示例 5，添加自定义行标签：

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)

　　输出结果如下：

     Age    Name

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

　　注意：index 参数为每行分配了一个索引。

列表嵌套字典可以作为输入数据传递给 DataFrame 构造函数。默认情况下，字典的键被用作列名。
示例 6 如下：

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

　　输出结果：

a    b      c

0 1 2 NaN
1 5 10 20.0

注意：若某个元素值缺失，即字典的 key 无法找到对应的 value，将使用 NaN 代替。
示例 7，给上述示例 6 添加行标签索引：

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

　　输出结果：

    a   b       c

first 1 2 NaN
second 5 10 20.0

　　示例 8，如何使用字典嵌套列表以及行、列索引表创建一个 DataFrame 对象。

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'])
print(df1)
print(df2)

　　输出结果：

#df2输出
a b
first 1 2
second 5 10

#df1输出
a b1
first 1 NaN
second 5 NaN

　　注意：因为 b1 在字典键中不存在，所以对应值为 NaN。

　　使用字典形式的 Series，创建一个 DataFrame 对象，其输出结果的行索引是所有 index 的合集。示例如下：

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)

　　输出结果：

  one    two

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

　　注意：对于 one 列而言，此处虽然显示了行索引 'd'，但由于没有与其对应的值，所以它的值为 NaN。

4 列索引操作DataFrame

　　DataFrame 可以使用列索（columns index）引来完成数据的选取、添加和删除操作。下面依次对这些操作进行介绍。

　　您可以使用列索引，轻松实现数据选取，示例如下：

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'])

　　输出结果：

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

　　使用 columns 列索引标签实现添加新的数据列，示例如下：

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)
#使用df['列']=值，插入新的数据列
df['three']=pd.Series([10,20,30],index=['a','b','c'])
print(df)
#将已经存在的数据列做相加运算
df['four']=df['one']+df['three']
print(df)

　　输出结果：

#使用列索引创建新数据列:
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
#已存在的数据列做算术运算：
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

　　上述示例，使用 DataFrame 的算术运算。除了使用 df[]=value 的方式外，您还可以使用 insert() 方法插入新的列，示例如下：

import pandas as pd
info=[['Jack',18],['Helen',19],['John',17]]
df=pd.DataFrame(info,columns=['name','age'])
print(df)
#注意是column参数
#数值1代表插入到columns列表的索引位置
df.insert(1,column='score',value=[91,90,75])
print(df)

　　输出结果：

添加前：
name age
0 Jack 18
1 Helen 19
2 John 17

添加后：
name score age
0 Jack 91 18
1 Helen 90 19
2 John 75 17

　　通过 del 和 pop() 都能够删除 DataFrame 中的数据列。示例如下：

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)
#使用del删除
del df['one']
print(df)
#使用pop方法删除
df.pop('two')
print (df)

　　输出结果：

原DataFrame:
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

使用del删除 first:
three two
a 10.0 1
b 20.0 2
c 30.0 3
d NaN 4

使用 pop()删除:
three
a 10.0
b 20.0
c 30.0
d NaN

5 行索引操作DataFrame

　　下面看一下，如何使用行索引来选取 DataFrame 中的数据。

　　将行标签传递给 loc 函数，来选取数据。示例如下：

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'])

　　输出结果：

one 2.0
two 2.0
Name: b, dtype: float64

　　注意：loc 允许接两个参数分别是行和列，参数之间需要使用“逗号”隔开，但该函数只能接收标签索引。

　　通过将数据行所在的索引位置传递给 iloc 函数，也可以实现数据行选取。示例如下：

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]）

　　输出结果：

one 3.0
two 3.0
Name: c, dtype: float64

　　注意：iloc 允许接受两个参数分别是行和列，参数之间使用“逗号”隔开，但该函数只能接收整数索引。

　　使用切片的方式同时选取多行。示例如下：

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)
#左闭右开
print(df[2:4])

　　输出结果：

one two
c 3.0 3
d NaN 4

　　使用 append() 函数，将新的数据行添加到 DataFrame 中，该函数会在行末追加数据行。示例如下：

import pandas as pd
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
#在行末追加新数据行
df = df.append(df2)
print(df)

　　输出结果：

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

　　使用行索引标签，删除某一行数据。如果索引标签存在重复，那么它们将被一起删除。示例如下：

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)
#注意此处调用了drop()方法
df = df.drop(0)
print (df)

　　输出结果：

执行drop(0)前：
a b
0 1 2
1 3 4
0 5 6
1 7 8

执行drop(0)后：
a b
1 3 4
1 7 8

　　上述示例中，默认使用 range(2) 生成了行索引，并通过 drop(0) 同时删除了两行数据。

6 常用属性和方法汇总

　　DataFrame 的属性和方法，与 Series 相差无几，如下所示：

名称

属性&方法描述

行和列转置。

axes

返回一个仅以行轴标签和列轴标签为成员的列表。

dtypes

返回每列数据的数据类型。

empty

DataFrame中没有数据或者任意坐标轴的长度为0，则返回True。

ndim

轴的数量，也指数组的维数。

shape

返回一个元组，表示了 DataFrame 维度。

size

DataFrame中的元素数量。

values

使用 numpy 数组表示 DataFrame 中的元素值。

head()

返回前 n 行数据。

tail()

返回后 n 行数据。

shift()

将行或列移动指定的步幅长度

　　下面对 DataFrame 常用属性进行演示，首先我们创建一个 DataFrame 对象，示例如下：

import pandas as pd
import numpy as np
d = {'Name':pd.Series(['人才','编程帮',"百度",'360搜索','谷歌','微学苑','Bing搜索']),
'years':pd.Series([5,6,15,28,3,19,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
#构建DataFrame
df = pd.DataFrame(d)
#输出series
print(df)

　　输出结果：

输出 series 数据:
Name years Rating
0 人才 5 4.23
1 编程帮 6 3.24
2 百度 15 3.98
3 360搜索 28 2.56
4 谷歌 3 3.20
5 微学苑 19 4.60
6 Bing搜索 23 3.80

　　返回 DataFrame 的转置，也就是把行和列进行交换。

　　输出结果：

Our data series is:
0 1 2 3 4 5 6
Name 人才编程帮百度 360搜索谷歌微学苑 Bing搜索
years 5 6 15 28 3 19 23
Rating 4.23 3.24 3.98 2.56 3.2 4.6 3.8

　　返回一个行标签、列标签组成的列表。

import pandas as pd
import numpy as np
d = {'Name':pd.Series(['c语言中文网','编程帮',"百度",'360搜索','谷歌','微学苑','Bing搜索']),
'years':pd.Series([5,6,15,28,3,19,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
#构建DataFrame
df = pd.DataFrame(d)
#输出行、列标签
print(df.axes)

　　输出结果：

[RangeIndex(start=0, stop=7, step=1), Index(['Name', 'years', 'Rating'], dtype='object')]

　　返回每一列的数据类型。示例如下：

　　输出结果：

Name object
years int64
Rating float64
dtype: object

　　返回一个布尔值，判断输出的数据对象是否为空，若为 True 表示对象为空。

　　输出结果：

判断输入对象是否为空：
False

　　返回数据对象的维数。DataFrame 是一个二维数据结构。

　　输出结果：

　　返回一个代表 DataFrame 维度的元组。返回值元组 (a,b)，其中 a 表示行数，b 表示列数。

　　输出结果：

(7, 3)

　　返回 DataFrame 中的元素数量。示例如下：

　　输出结果：

　　以 ndarray 数组的形式返回 DataFrame 中的数据。

　　输出结果：

[['c语言中文网' 5 4.23]
['编程帮' 6 3.24]
['百度' 15 3.98]
['360搜索' 28 2.56]
['谷歌' 3 3.2]
['微学苑' 19 4.6]
['Bing搜索' 23 3.8]]

　　如果想要查看 DataFrame 的一部分数据，可以使用 head() 或者 tail() 方法。其中 head() 返回前 n 行数据，默认显示前 5 行数据。示例如下：

　　输出结果：

 Name       years   Rating

0 人才 5 4.23
1 编程帮 6 3.24
2 百度 15 3.98

　　tail() 返回后 n 行数据，示例如下：

　　输出结果：

  Name     years   Rating

5 微学苑 19 4.6
6 Bing搜索 23 3.8

　　如果您想要移动 DataFrame 中的某一行/列，可以使用 shift() 函数实现。它提供了一个periods参数，该参数表示在特定的轴上移动指定的步幅。

　　shif() 函数的语法格式如下：

DataFrame.shift(periods=1, freq=None, axis=0)

　　参数说明如下：

参数名称

说明

peroids

类型为int，表示移动的幅度，可以是正数，也可以是负数，默认值为1。

freq

日期偏移量，默认值为None，适用于时间序。取值为符合时间规则的字符串。

axis

如果是 0 或者 "index" 表示上下移动，如果是 1 或者 "columns" 则会左右移动。

　　该函数的返回值是移动后的 DataFrame 副本。下面看一组简单的实例：

import pandas as pd
info= pd.DataFrame({'a_data': [40, 28, 39, 32, 18],
'b_data': [20, 37, 41, 35, 45],
'c_data': [22, 17, 11, 25, 15]})
#移动幅度为3
info.shift(periods=3)

　　输出结果：

a_data b_data c_data
0 NaN NaN NaN
1 NaN NaN NaN
2 NaN NaN NaN
3 40.0 20.0 22.0
4 28.0 37.0 17.0

　　下面使用 fill_value 参数填充 DataFrame 中的缺失值，如下所示：

import pandas as pd
info= pd.DataFrame({'a_data': [40, 28, 39, 32, 18],
'b_data': [20, 37, 41, 35, 45],
'c_data': [22, 17, 11, 25, 15]})
#移动幅度为3
print(info.shift(periods=3))
#将缺失值和原数值替换为52
info.shift(periods=3,axis=1,fill_value= 52)

输出结果：

原输出结果：
a_data b_data c_data
0 NaN NaN NaN
1 NaN NaN NaN
2 NaN NaN NaN
3 40.0 20.0 22.0
4 28.0 37.0 17.0

替换后输出：
a_data b_data c_data
0 52 52 52
1 52 52 52
2 52 52 52
3 52 52 52
4 52 52 52

　　注意：fill_value 参数不仅可以填充缺失值，还也可以对原数据进行替换。

手机扫一扫

移动阅读更方便