Pandas - DataFrame（数据框）

简述

DataFrame 是一种二维数据结构，即数据以表格的方式在行和列中对齐。

DataFrame 的特点

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

结构

让我们假设我们正在创建一个包含学生数据的 DataFrame 。

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 -

序号	参数及说明
1	data 数据采用各种形式，如 ndarray、series、map、lists、dict、constants 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可选默认 np.arange(n)。
3	columns 对于列标签，可选的默认语法是 - np.arange(n)。这仅在没有通过索引时才成立。
4	dtype 每列的数据类型。
5	copy 如果默认值为 False，则此命令（或其他命令）用于复制数据。

创建DataFrame

可以使用各种输入创建 pandas DataFrame，例如 -

列表
字典
Series
numpy ndarrays
另一个DataFrame

在本章的后续部分中，我们将看到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 Empty Dataframe。

例子


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

它的输出如下 -


Empty DataFrame
Columns: []
Index: []

从列表创建DataFrame

可以使用单个列表或列表列表创建 DataFrame。

示例 1


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

它的输出如下 -

示例 2


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

它的输出如下 -


      Name      Age
0     Alex      10
1     Bob       12
2     Clarke    13

示例 3


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

它的输出如下 -


      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数。

从 ndarrays / Lists 的字典创建一个 DataFrame

所有的ndarrays长度必须相同。如果传递了索引，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，索引将是 range(n)，其中n是数组长度。

示例 1


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

它的输出如下 -


      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。

示例 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

它的输出如下 -


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

注意− 观察，index参数为每一行分配一个索引。

从字典列表创建一个 DataFrame

字典列表可以作为输入数据传递以创建 DataFrame。字典键默认作为列名。

示例 1

以下示例显示了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

它的输出如下 -


    a    b      c
0   1   2     NaN
1   5   10   20.0

注意− 观察，NaN（非数字）附加在缺失区域。

示例 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

它的输出如下 -


        a   b       c
first   1   2     NaN
second  5   10   20.0

示例 3

下面的例子展示了如何创建一个包含字典、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

它的输出如下 -


#df1 输出
         a  b
first    1  2
second   5  10
#df2 输出
         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，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。

从系列的字典创建一个 DataFrame

可以传递 Series 的字典以形成 DataFrame。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

它的输出如下 -


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

注意− 观察，对于系列一，没有标签‘d’通过了，但在结果中，对于d标签，NaN 附加了 NaN。

现在让我们了解column selection, addition，和deletion通过例子。

列选择

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']

它的输出如下 -


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DataFrame 中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

它的输出如下 -


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

列可以删除或弹出；让我们举个例子来了解如何。

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

它的输出如下 -


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

我们现在将通过示例来了解行的选择、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功能。


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']

它的输出如下 -


one 2.0
two 2.0
Name: b, dtype: float64

结果是一个带有标签的系列，作为 DataFrame 的列名。并且，系列的名称是检索它的标签。

按整数位置选择

可以通过将整数位置传递给iloc功能。


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]

它的输出如下 -


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]

它的输出如下 -


   one  two
c  3.0    3
d  NaN    4

添加行

使用append功能。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

它的输出如下 -

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

它的输出如下 -


  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。