Pandas 教程-Python Pandas DataFrame

Pandas DataFrame（数据框）是一种广泛使用的数据结构，它与带有标签轴（行和列）的二维数组一起工作。DataFrame 被定义为存储具有两个不同索引的数据的标准方式，即行索引和列索引。它具有以下属性：

• 列可以是异构类型，如整数、布尔值等。

• 它可以被看作是一种 Series 结构的字典，其中行和列都被索引。在列的情况下，它表示为“columns”，在行的情况下表示为“index”。

参数和描述:

data: 它由不同形式组成，如 ndarray、series、map、constants、lists、array。

index: 如果没有传递索引，则默认使用 np.arrange(n) 索引作为行标签。

columns: 列标签的默认语法是 np.arrange(n)。如果没有传递索引，则仅显示 true。

dtype: 指的是每列的数据类型。

copy(): 用于复制数据。

专属福利 
👉点击领取：最全Python资料合集

创建 DataFrame

我们可以使用以下方式创建 DataFrame：

• 字典

• 列表

• Numpy 数组

• Series

创建一个空的 DataFrame

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

Empty DataFrameColumns: []Index: []

说明: 在上面的代码中，首先我们导入了 pandas 库并使用别名 pd，然后定义了一个名为 df 的变量，其中包含一个空的 DataFrame。最后，我们通过将 df 传递给 print 来打印它。

使用列表创建 DataFrame:

# importing the pandas library  import pandas as pd  # a list of strings  x = ['Python', 'Pandas']  # Calling DataFrame constructor on list  df = pd.DataFrame(x)  print(df)

      00   Python1   Pandas

说明: 在上面的代码中，我们定义了一个名为 "x" 的变量，其中包含字符串值。调用了列表的 DataFrame 构造函数以打印值。

使用字典的 ndarrays/列表创建 DataFrame

# importing the pandas library  import pandas as pd  info = {'ID' :[101, 102, 103],'Department' :['B.Sc','B.Tech','M.Tech',]}  df = pd.DataFrame(info)  print (df)

       ID      Department0      101        B.Sc1      102        B.Tech2      103        M.Tech

说明: 在上面的代码中，我们定义了一个名为 "info" 的字典，其中包含 ID 和 Department 的列表。为了打印值，我们必须通过一个名为 df 的变量调用 info 字典，并将其作为参数传递给 print()。

使用 Series 的字典创建 DataFrame:

# importing the pandas library  import pandas as pd  info = {'one' : pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f']),     'two' : pd.Series([1, 2, 3, 4, 5, 6, 7, 8], index=['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])}  d1 = pd.DataFrame(info)  print (d1)  

        one         twoa       1.0          1b       2.0          2c       3.0          3d       4.0          4e       5.0          5f       6.0          6g       NaN          7h       NaN          8

说明: 在上面的代码中，一个名为 "info" 的字典包含两个具有各自索引的 Series。为了打印值，我们必须通过一个名为 d1 的变量调用 info 字典，并将其作为参数传递给 print()。

列选择

# importing the pandas library  import pandas as pd  info = {'one' : pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f']),     'two' : pd.Series([1, 2, 3, 4, 5, 6, 7, 8], index=['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])}  d1 = pd.DataFrame(info)  print (d1 ['one']) 

a      1.0b      2.0c      3.0d      4.0e      5.0f      6.0g      NaNh      NaNName: one, dtype: float64

说明: 在上面的代码中，一个名为 "info" 的字典包含两个具有各自索引的 Series。随后，我们通过一个名为 d1 的变量调用 info 字典，并通过将其传递给 print() 选择了 "one" Series。

列添加

# importing the pandas library  import pandas as pd  info = {'one' : pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e']),     'two' : pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f'])}  df = pd.DataFrame(info)  # Add a new column to an existing DataFrame object   print ("Add new column by passing series")  df['three']=pd.Series([20,40,60],index=['a','b','c'])  print (df)  print ("Add new column using existing DataFrame columns")  df['four']=df['one']+df['three']  print (df)  

Add new column by passing series      one     two      threea     1.0      1        20.0b     2.0      2        40.0c     3.0      3        60.0d     4.0      4        NaNe     5.0      5        NaNf     NaN      6        NaN
Add new column using existing DataFrame columns       one      two       three      foura      1.0       1         20.0      21.0b      2.0       2         40.0      42.0c      3.0       3         60.0      63.0d      4.0       4         NaN      NaNe      5.0       5         NaN      NaNf      NaN       6         NaN      NaN

说明: 在上面的代码中，一个名为 f 的字典包含两个具有各自索引的 Series。随后，我们通过一个名为 df 的变量调用 info 字典。

要将新列添加到现有的 DataFrame 对象中，我们传递了一个包含一些值的新 series，并使用 print() 打印了其结果。

我们可以使用现有 DataFrame 添加新列。已添加了“four”列，该列存储两列的加法结果，即 one 和 three。

列删除:

# importing the pandas library  import pandas as pd  info = {'one' : pd.Series([1, 2], index= ['a', 'b']),      'two' : pd.Series([1, 2, 3], index=['a', 'b', 'c'])}  df = pd.DataFrame(info)  print ("The DataFrame:")  print (df)  # using del function  print ("Delete the first column:")  del df['one']  print (df)  # using pop function  print ("Delete the another column:")  df.pop('two')  print (df)  

The DataFrame:      one    twoa     1.0     1b     2.0     2c     NaN     3
Delete the first column:     twoa     1b     2c     3
Delete the another column:Empty DataFrameColumns: []Index: [a, b, c]

说明:

在上面的代码中，df 变量负责调用 info 字典并打印字典的所有值。我们可以使用 delete 或 pop 函数从 DataFrame 中删除列。

在第一种情况中，我们使用 delete 函数从 DataFrame 中删除了 "one" 列，而在第二种情况中，我们使用 pop 函数从 DataFrame 中删除了 "two" 列。

行选择、添加和删除

行选择:

我们可以随时轻松选择、添加或删除任何行。首先，我们将了解行选择。让我们看看如何使用不同的方式选择行，如下所示：

通过标签选择:

# importing the pandas library  import pandas as pd  info = {'one' : pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e']),      'two' : pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f'])}  df = pd.DataFrame(info)  print (df.loc['b'])  

one    2.0two    2.0Name: b, dtype: float64

说明: 在上面的代码中，一个名为 "info" 的字典包含两个具有各自索引的 Series。

要选择一行，我们将行标签传递给 loc 函数。

通过整数位置选择:

# importing the pandas library  import pandas as pd  info = {'one' : pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e']),     'two' : pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f'])}  df = pd.DataFrame(info)  print (df.iloc[3])  

one    4.0two    4.0Name: d, dtype: float64

说明: 在上面的代码中，我们定义了一个名为 "info" 的字典，其中包含两个具有各自索引的 Series。

要选择一行，我们将整数位置传递给 iloc 函数。

切片行

# importing the pandas library  import pandas as pd  info = {'one' : pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e']),      'two' : pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f'])}  df = pd.DataFrame(info)  print (df[2:5])  

      one    twoc     3.0     3d     4.0     4e     5.0     5

说明: 在上面的代码中，我们定义了一个范围从 2:5 的区间以选择行，然后在控制台上打印其值。

添加行:

# importing the pandas library  import pandas as pd  d = pd.DataFrame([[7, 8], [9, 10]], columns = ['x','y'])  d2 = pd.DataFrame([[11, 12], [13, 14]], columns = ['x','y'])  d = d.append(d2)  print (d)  

      x      y0     7      81     9      100     11     121     13     14

说明: 在上面的代码中，我们定义了两个分别包含一些行和列的列表。然后，使用 append 函数添加了这些列，然后在控制台上显示了结果。

删除行:

# importing the pandas library  import pandas as pd  a_info = pd.DataFrame([[4, 5], [6, 7]], columns = ['x','y'])  b_info = pd.DataFrame([[8, 9], [10, 11]], columns = ['x','y'])  a_info = a_info.append(b_info)  # Drop rows with label 0  a_info = a_info.drop(0)  

x      y1     6      71     10    11

说明: 在上面的代码中，我们定义了两个分别包含一些行和列的列表。

这里，我们定义了要从列表中删除的行的索引标签。

DataFrame 函数

 1

热门推荐

• 川大数学博士吐槽，华为招数学博士的要求非常奇怪~
• Pandas 教程-Pandas Series.value_counts()
• 用 Python 写了一个「表情包」，赚了250万