Python 学习第十二篇：pandas

数据框类似于二维的关系表，包含一组有序的列，列与列之间的数据类型可以是不同的，但是单个列的数据类型是相同的。数据框的每一列或每一行都可以认为是一个Series。DataFrame中面向行和面向列的操作基本上是相同的，把行和列称作轴（axis），DataFrame是按照轴进行操作的，axis=0表示行轴；axis=1 表示列轴。

DataFrame对象既有行索引（index），也有列索引（columns），行索引也叫做行标签，列索引也叫做列标签/列名。在DataFrame的构造函数中，columns参数用于设置列索引，index用于设置行索引，都属于Index类型。Index对象既可以使用位置（整数）来表示，也可以使用标签（字符串）来表示，位置的起始值是0，标签是通过列表来指定的。

一，数据框构造函数

数据框的基础构造函数是DataFrame，从array-like的结构中构造数据框：

pandas.DataFrame(data=None, index=None, columns=None)

参数注释:

data：ndarray、list 或dict
index：行索引
columns：列名列表

除了基础构造函数之外，还有 DataFrame.from_records 和 DataFrame.from_dict，专门用于从元组和字典中创建数据框。

二，创建数据框

通常情况下，我们使用pd.DataFrame()函数来创建数据框，当然也可以根据需要使用pd.DataFrame.from_dict()函数来创建数据框。

1，使用字典来创建数据框

通过等长的字典来创建数据框，并可以设置数据框的列名和行索引。字典存储的是每列的数据：

>>> data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],

...     'year': [2000, 2001, 2002, 2001, 2002],

...     'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}

>>> row_index = ['one', 'two', 'three', 'four', 'five']

>>> col_names=['year', 'state', 'pop']

>>> df=pd.DataFrame(data,columns=col_names,index=row_index)

       year   state  pop

one    2000    Ohio  1.5

two    2001    Ohio  1.7

three  2002    Ohio  3.6

four   2001  Nevada  2.4

five   2002  Nevada  2.9

2，使用列表（列表项是List）来创建数据框

列表项是列表，把该列表转换为DataFrame：

students = [ ['jack', 34, 'Sydeny'] ,

             ['Riti', 30, 'Delhi' ] ,

             ['Aadi', 16, 'New York'] ]

df = pd.DataFrame(students)

3，使用列表（列表项是元组）来创建数据框

列表项是元组，把该列表转换为DataFrame：

students = [ ('jack', 34, 'Sydeny') ,

             ('Riti', 30, 'Delhi' ) ,

             ('Aadi', 16, 'New York') ]

df = pd.DataFrame(students)

4，使用from_dict创建数据框

data是一个字典结构，字典的Key是列名，Value是一个列表，通过这种格式创建数据框：

>>> data = {'col_1': [3, 2, 1, 0], 'col_2': ['a', 'b', 'c', 'd']}

>>> pd.DataFrame.from_dict(data)

   col_1 col_2

0      3     a

1      2     b

2      1     c

3      0     d

三，数据框的属性

数据框的属性主要是索引、列名、数据类型和值，对于一下数据框

1，数据框的索引

通过index属性来访问数据框的行标签，通过columns属性访问数据框的列标签：

>>> df.index

Index(['one', 'two', 'three', 'four', 'five'], dtype='object')

>>> df.columns

Index(['year', 'state', 'pop'], dtype='object')

2，数据类型

查看数据框各列的数据类型

>>> df.dtypes

year       int64

state     object

pop      float64

dtype: object

查看数据框中某一列的数据类型：

df['col_name'].dtypes
df.col_name.dtypes

3，数据框的值

values属性以Numpy数组形式显示数据框的值：

>>> df.values

array([[2000, 'Ohio', 1.5],

       [2001, 'Ohio', 1.7],

       [2002, 'Ohio', 3.6],

       [2001, 'Nevada', 2.4],

       [2002, 'Nevada', 2.9]], dtype=object)

4，数据框的轴和形状

>>> df.axes

[Index(['one', 'two', 'three', 'four', 'five'], dtype='object'), Index(['year', 'state', 'pop'], dtype='object')]

>>> df.shape

(5, 3)

四，列操作和行操作

追加列

通过为一个新列赋值来向数据框中追加新列，新列始终处于列名序列的末尾：

>>> df['new']='a'

插入列

要制定新列的位置，需要使用insert()函数，该函数向数据框中插入一列，并制定新列的位置：

DataFrame.insert(self, loc, column, value)

参数注释：

loc：插入列的位置，该位置索引必须0 <= loc <= len(columns)
column：插入列的名称
value：插入列的值，可以是单个标量值，插入列的值都是相同的；可以是序列或array-like，为每一行的列设置一个值。

举个例子，向df的末尾插入一列，列值都是a：

>>> df.insert(3,'new','a')

删除列或行

使用drop()函数来删除行或列：

DataFrame.drop(self, labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

参数注释：

labels 和 axis：labels参数指定要删除的标签，如果axis=0 或 'index'，表示行标签；如果axis=1 或 'columns'，表示列标签。axis的默认值是0。
index：设置index 等价于设置 labels 和axis=0；
columns：设置columns等价于设置 labels和 axis=1；

举个例子，把df的列new删除：

>>> df.drop(labels='new',axis=1)

追加数据行

向数据框的末尾追加数据行：

DataFrame.append(self, other, ignore_index=False, verify_integrity=False, sort=None)

也就是把一个结构相同的DataFrame追加到另一个DataFrame的后面，把两个DataFrame合并为一个。

五，列数据类型转换

astype(dtype) 函数用于把数据框的列转换为特定的类型，dtype可以是pandas支持的类型，也可以是numpy.dtype，也可以是Python类型：

把数据框的列改变为字符串类型，str是python类型，'object'是pandas支持的字符串类型：

df['col_name'].astype(str)

df['col_name'].astype('object')

其他转换类型的函数

使用Pandas提供的函数如to_numeric()、to_datetime()

参考文档：

pandas DataFrame