Python Pandas 简明教程

Python Pandas - DataFrame

数据框是一种二维数据结构，即，数据按照表格方式以行和列对齐。

Features of DataFrame

  1. 潜在的列是不同类型的

  2. Size – Mutable

  3. 标记轴（行和列）

  4. 可以在行和列上执行算术运算

Structure

让我们假设我们正在使用学生数据创建一个数据帧。

structure table

你可以把它想象成 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熊猫数据帧 −

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

构造函数的参数如下：

Sr.No

Parameter & Description

1

data data 采用各种形式，如 numpy 数组、序列、映射、列表、字典、常量，以及其他数据帧。

2

index 对于行标签，要用于结果帧的索引是可选默认值 np.arange(n)，如果未传递索引。

3

columns 对于列标签，可选默认语法为 - np.arange(n)。这仅在未传递索引时才为 true。

4

dtype 每列的数据类型。

5

copy 此命令（或任何其他命令）用于复制数据，如果默认值为 False。

Create DataFrame

可以使用各种输入创建熊猫数据帧，例如 −

  1. Lists

  2. dict

  3. Series

  4. Numpy ndarrays

  5. Another DataFrame

在本章的后续章节中，我们将看到如何使用这些输入创建数据帧。

Create an Empty DataFrame

可以创建的基本数据帧是空数据帧。

Example

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

它的 output 如下所示 −

Empty DataFrame
Columns: []
Index: []

Create a DataFrame from Lists

可以使用单个列表或列表的列表创建数据帧。

Example 1

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

它的 output 如下所示 −

     0
0    1
1    2
2    3
3    4
4    5

Example 2

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

它的 output 如下所示 −

      Name      Age
0     Alex      10
1     Bob       12
2     Clarke    13

Example 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 output 如下所示 −

      Name     Age
0     Alex     10.0
1     Bob      12.0
2     Clarke   13.0

Note − 请注意， dtype 参数将年龄列的类型更改为浮点。

Create a DataFrame from Dict of ndarrays / Lists

所有 ndarrays 必须具有相同的长度。如果传递了索引，则索引的长度应等于数组的长度。

如果未传递索引，则默认情况下，索引将为 range(n)，其中 n 是数组长度。

Example 1

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

它的 output 如下所示 −

      Age      Name
0     28        Tom
1     34       Jack
2     29      Steve
3     42      Ricky

Note − 观察值 0、1、2、3。它们是使用函数 range(n) 分配给每个元素的默认索引。

Example 2

现在我们使用数组创建索引数据框。

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 output 如下所示 −

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

Note − 观察， index 参数为每一行分配一个索引。

Create a DataFrame from List of Dicts

可以将字典列表作为输入数据传递以创建数据帧。默认情况下，字典键被视为列名称。

Example 1

以下示例展示了如何通过传递字典列表来创建数据帧。

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

它的 output 如下所示 −

    a    b      c
0   1   2     NaN
1   5   10   20.0

Note - 观察，未填充区域中添加 NaN（非数字）。

Example 2

以下示例展示如何通过传递词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 output 如下所示 −

        a   b       c
first   1   2     NaN
second  5   10   20.0

Example 3

以下示例展示如何使用词典列表、行索引和列索引来创建 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 output 如下所示 −

#df1 output
         a  b
first    1  2
second   5  10

#df2 output
         a  b1
first    1  NaN
second   5  NaN

Note - 观察，创建 df2 DataFrame，其列索引与词典键不同；因此，在适当的位置添加 NaN。而 df1 的创建中列索引与词典键相同，因此添加 NaN。

Create a DataFrame from Dict of Series

可以传递系列词典以形成 DataFrame。生成索引是传递的所有系列索引的 union。

Example

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 output 如下所示 −

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

Note - 观察，对于系列一，没有传递标签 ‘d’ ，但结果中，NaN 标签添加了 NaN。

现在让我们通过示例了解 column selection, addition 和 deletion 。

Column Selection

我们将通过从 DataFrame 中选择一列来理解这一点。

Example

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 output 如下所示 −

a     1.0
b     2.0
c     3.0
d     NaN
Name: one, dtype: float64

Column Addition

我们将通过向现有数据框中添加新列来理解这一点。

Example

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 output 如下所示 −

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

Column Deletion

可以删除或弹出列；让我们举个例子来了解如何做。

Example

# 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 output 如下所示 −

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

Row Selection, Addition, and Deletion

现在我们将通过示例来了解行选择、添加和删除。让我们从选择的概念开始。

Selection by Label

可以通过向 loc 函数传递行标签来选择行。

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.loc['b']

它的 output 如下所示 −

one 2.0
two 2.0
Name: b, dtype: float64

结果是系列，其标签作为 DataFrame 的列名。并且，系列的名称是检索它的标签。

Selection by integer location

可以通过向 iloc 函数传递整型位置来选择行。

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.iloc[2]

它的 output 如下所示 −

one   3.0
two   3.0
Name: c, dtype: float64

Slice Rows

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 output 如下所示 −

   one  two
c  3.0    3
d  NaN    4

Addition of Rows

使用 append 函数向 DataFrame 中添置新行。此函数将在末尾添加这些行。

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 output 如下所示 −

   a  b
0  1  2
1  3  4
0  5  6
1  7  8

Deletion of Rows

使用索引标签从 DataFrame 中删除或丢弃行。如果标签是重复的，则将丢弃多行。

如果你观察，在上面的示例中，这些标签是重复的。让我们丢弃一个标签，然后看看将被丢弃多少行。

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 output 如下所示 −

  a b
1 3 4
1 7 8

在上面的示例中，丢弃了两行，这是因为它们包含相同标签 0。