数据分析入门——pandas之DataFrame基本概念

一、介绍

　　数据帧(DataFrame)是二维数据结构，即数据以行和列的表格方式排列。

　　可以看作是Series的二维拓展，但是df有行列索引：index、column

　　推荐参考：https://www.jianshu.com/p/c534e83d2f4b

二、快速入门

　　1.打开csv

　　

　　发现报错，原因是路径中\User的\u和转义符号冲突了，我们使用字符串中的知识，添加r开头表示不转义即可：

　　

　　它包含的是行列索引和值values，value对应的就是二维的ndarray了

　　2.创建df

　　　　1.通过字典来创建df

　　　　

　　　　可以通过index属性来控制索引，column同理：（在创建以后通过df.index = []的属性赋值也可以实现控制索引的）

　　　　

　　2.可以通过列表来创建，给定ndarray，再给定Index和columns来构造df

　　　　

　　　　参考：https://www.yiibai.com/pandas/python_pandas_dataframe.html

　　　　3.df的索引

　　　　　　列索引：

　　　　　　通过列的索引检索，可以返回对应的列，也就是之前的Series

　　　　　　

　　　　　　行索引：

　　　　　　　　使用loc或者iloc进行索引（其中，前者是显式索引，需要指定索引的值，后者是隐式索引，已过时的ix方法不再展开）

　　　　　　　　使用loc检索出一行，发现结果也是Series：

　　　　　　　　

　　　　　　　　需要检索多行时，需要两个中括号（并且返回的也是DataFrame）：

　　　　　　　

　　　　　　　　并且loc是支持切片（左右的闭区间）的：（支持的是行切片，如果切片范围不存在，则返回空数据，而不是报错）

　　　　　　　

　　　　　　　　隐式索引是类似的：（但是iloc的切片是左闭右开，与上面稍有不符合）

　　　　　　　　

　　　　　　　　//存在部分bug：汉字索引有个别索引不生效，无法检索

　　　　　　　　元素索引：

　　　　　　　　可以通过线检索出某一列，再操作这个列Series（注意使用loc的推荐方法）：

　　　　　　　　　　

　　　　　　　　　　其他变通形式同理：

　　　　　　　　　　

　　　　　　　　　　上面这个简写就变成：这就是行索引的变通形式

　　　　　　　　　　

　　　　4）DataFrame的数据查看

　　　　　　1.通过head()、tail()查看头几行或者尾几行（默认n = 5）：

　　　　　　

　　　　　　2.通过a.index ; a.columns ; a.values 即可查看对应属性

　　　　　 3.a.sort_index(axis=1,ascending=False)；
其中axis=1表示对所有的columns进行排序，下面的数也跟着发生移动。后面的ascending=False表示按降序排列，参数缺失时默认升序。

三、DataFrame的运算

　　1.DF之间的运算

　　构建的df1、df2如下：（用于后续计算）

　　

　　其实总结下来就是,行列索引相同的（也就是需要对齐再相加，无法对齐时使用NaN对齐，列会取并集，行值不对齐时使用默认NaN）,进行计算,没有的全部用空进行计算（参考https://blog.csdn.net/weixin_34208283/article/details/86005233）

　　https://blog.csdn.net/weixin_33966095/article/details/88446784

　　

　　需要避免NaN值可以使用pandas的add方法的fill_value来控制：

　　

　　2.DF与Series之间的运算

　　　　直接运算，发现结果并不如人意：

　　　　

　　　　提取行发现可以计算：

　　　　

　　这也就是Series中的广播规则，默认情况下是s的index和df的columns进行对齐的，第二个对齐后的操作，看数据知道是广播成了四行与df对齐，可以通过 axis来进行广播控制（0表示在列上广播，1表示在行上广播）