【Pandas 教程系列】- Pandas 数据结构 - DataFrame

龙听

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

DataFrame 特点：

列和行： DataFrame 由多个列组成，每一列都有一个名称，可以看作是一个 Series。同时，DataFrame 有一个行索引，用于标识每一行。

二维结构： DataFrame 是一个二维表格，具有行和列。可以将其视为多个 Series 对象组成的字典。

列的数据类型： 不同的列可以包含不同的数据类型，例如整数、浮点数、字符串等。



DataFrame 构造方法如下：

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

复制代码

参数说明：

data：一组数据(ndarray、series, map, lists, dict 等类型)。

index：索引值，或者可以称为行标签。

columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。

dtype：数据类型。

copy：拷贝数据，默认为 False。

Pandas DataFrame 是一个二维的数组结构，类似二维数组。

实例 - 使用列表创建

1. import pandas as pd
   
2. 
   
3. data = [['Google', 10], ['Runoob', 12], ['Wiki', 13]]
   
4. 
   
5. # 创建DataFrame
   
6. df = pd.DataFrame(data, columns=['Site', 'Age'])
   
7. 
   
8. # 使用astype方法设置每列的数据类型
   
9. df['Site'] = df['Site'].astype(str)
   
10. df['Age'] = df['Age'].astype(float)
    
11. 
    
12. print(df)

复制代码

也可以使用字典来创建：

实例 - 使用字典创建

1. import pandas as pd
   
2. 
   
3. data = {'Site':['Google', 'Runoob', 'Wiki'], 'Age':[10, 12, 13]}
   
4. 
   
5. df = pd.DataFrame(data)
   
6. 
   
7. print (df)

复制代码

输出结果如下：



以下实例使用 ndarrays 创建，ndarray 的长度必须相同， 如果传递了 index，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。

ndarrays 可以参考：NumPy Ndarray 对象

实例 - 使用 ndarrays 创建

1. import numpy as np
   
2. import pandas as pd
   
3. 
   
4. # 创建一个包含网站和年龄的二维ndarray
   
5. ndarray_data = np.array([
   
6.     ['Google', 10],
   
7.     ['Runoob', 12],
   
8.     ['Wiki', 13]
   
9. ])
   
10. 
    
11. # 使用DataFrame构造函数创建数据帧
    
12. df = pd.DataFrame(ndarray_data, columns=['Site', 'Age'])
    
13. 
    
14. # 打印数据帧
    
15. print(df)

复制代码

输出结果如下：



从以上输出结果可以知道， DataFrame 数据类型一个表格，包含 rows（行） 和 columns（列）：



还可以使用字典（key/value），其中字典的 key 为列名:

实例 - 使用字典创建

1. import pandas as pd
   
2. 
   
3. data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
   
4. 
   
5. df = pd.DataFrame(data)
   
6. 
   
7. print (df)

复制代码

输出结果为：



没有对应的部分数据为 NaN。

Pandas 可以使用 loc 属性返回指定行的数据，如果没有设置索引，第一行索引为 0，第二行索引为 1，以此类推：

实例

1. import pandas as pd
   
2. 
   
3. data = {
   
4.   "calories": [420, 380, 390],
   
5.   "duration": [50, 40, 45]
   
6. }
   
7. 
   
8. # 数据载入到 DataFrame 对象
   
9. df = pd.DataFrame(data)
   
10. 
    
11. # 返回第一行
    
12. print(df.loc[0])
    
13. # 返回第二行
    
14. print(df.loc[1])

复制代码

输出结果如下：

1. calories    420
   
2. duration     50
   
3. Name: 0, dtype: int64
   
4. calories    380
   
5. duration     40
   
6. Name: 1, dtype: int64

复制代码

注意：返回结果其实就是一个 Pandas Series 数据。

也可以返回多行数据，使用 [[ ... ]] 格式，... 为各行的索引，以逗号隔开：

实例

1. import pandas as pd
   
2. 
   
3. data = {
   
4.   "calories": [420, 380, 390],
   
5.   "duration": [50, 40, 45]
   
6. }
   
7. 
   
8. # 数据载入到 DataFrame 对象
   
9. df = pd.DataFrame(data)
   
10. 
    
11. # 返回第一行和第二行
    
12. print(df.loc[[0, 1]])

复制代码

输出结果为：

1.    calories  duration
   
2. 0       420        50
   
3. 1       380        40

复制代码

注意：返回结果其实就是一个 Pandas DataFrame 数据。

我们可以指定索引值，如下实例：

实例

1. import pandas as pd
   
2. 
   
3. data = {
   
4.   "calories": [420, 380, 390],
   
5.   "duration": [50, 40, 45]
   
6. }
   
7. 
   
8. df = pd.DataFrame(data, index = ["day1", "day2", "day3"])
   
9. 
   
10. print(df)

复制代码

输出结果为：

1.       calories  duration
   
2. day1       420        50
   
3. day2       380        40
   
4. day3       390        45

复制代码

Pandas 可以使用 loc 属性返回指定索引对应到某一行：

实例

1. import pandas as pd
   
2. 
   
3. data = {
   
4.   "calories": [420, 380, 390],
   
5.   "duration": [50, 40, 45]
   
6. }
   
7. 
   
8. df = pd.DataFrame(data, index = ["day1", "day2", "day3"])
   
9. 
   
10. # 指定索引
    
11. print(df.loc["day2"])

复制代码

输出结果为：

1. calories    380
   
2. duration     40
   
3. Name: day2, dtype: int64

复制代码

更多 DataFrame 说明
基本操作：

1. # 获取列
   
2. name_column = df['Name']
   
3. 
   
4. # 获取行
   
5. first_row = df.loc[0]
   
6. 
   
7. # 选择多列
   
8. subset = df[['Name', 'Age']]
   
9. 
   
10. # 过滤行
    
11. filtered_rows = df[df['Age'] > 30]

复制代码

属性和方法：

1. # 获取列名
   
2. columns = df.columns
   
3. 
   
4. # 获取形状（行数和列数）
   
5. shape = df.shape
   
6. 
   
7. # 获取索引
   
8. index = df.index
   
9. 
   
10. # 获取描述统计信息
    
11. stats = df.describe()

复制代码

数据操作：

1. # 添加新列
   
2. df['Salary'] = [50000, 60000, 70000]
   
3. 
   
4. # 删除列
   
5. df.drop('City', axis=1, inplace=True)
   
6. 
   
7. # 排序
   
8. df.sort_values(by='Age', ascending=False, inplace=True)
   
9. 
   
10. # 重命名列
    
11. df.rename(columns={'Name': 'Full Name'}, inplace=True)

复制代码

从外部数据源创建 DataFrame：

1. # 从CSV文件创建 DataFrame
   
2. df_csv = pd.read_csv('example.csv')
   
3. 
   
4. # 从Excel文件创建 DataFrame
   
5. df_excel = pd.read_excel('example.xlsx')
   
6. 
   
7. # 从字典列表创建 DataFrame
   
8. data_list = [{'Name': 'Alice', 'Age': 25}, {'Name': 'Bob', 'Age': 30}]
   
9. df_from_list = pd.DataFrame(data_list)

复制代码

注意事项：

DataFrame 是一种灵活的数据结构，可以容纳不同数据类型的列。
列名和行索引可以是字符串、整数等。
DataFrame 可以通过多种方式进行数据选择、过滤、修改和分析。
通过对 DataFrame 的操作，可以进行数据清洗、转换、分析和可视化等工作。