Pandas簡易入門（四）

本節主要介紹一下Pandas的另外一個數據結構：DataFrame，本文的內容來源：https://www.dataquest.io/mission/147/pandas-internals-dataframes

在上一節中已經介紹過了Series對象，Series對象能夠理解爲由一列索引和一列值，共兩列數據組成的結構。而DataFrame就是由一列索引和多列值組成的結構，其中，在DataFrame中的每一列都是一個Series對象。

 

行選擇

無論什麼時候，你調用了一個方法返回或者打印一個DataFrame時，最左邊的一列必然是索引值，能夠經過index屬性來直接訪問DataFrame的索引值，本節所用的數據來源於：https://github.com/fivethirtyeight/data/tree/master/fandango

import pandas as pd

fandango = pd.read_csv('fandango_score_comparison.csv')

# print(fandango.head(2))  輸出前兩行

print(fandango.index)  # 打印索引列的值

這是原始的數據：

 

在Series中，每個索引都對應着一個值，在DataFrame中，每個索引則對應着一行的數據，能夠經過幾種方法來選擇多數據

# 選擇前五行

fandango[0:5]

# 選擇索引號140及其之後的行

fandango[140:]

# 只選擇索引號爲50的那一行

fandango.loc[50]

# 選擇索引號爲45和90的兩行

fandango.loc[[45,90]]

總結：要選擇連續的多行，就是用列表的切片功能，選擇一行就是用loc[]方法或者iloc[]方法（兩者的區別能夠看個人另外一篇博客「Pandas之讓人容易混淆的行選擇和列選擇「）

當選擇一行的數據時，Pandas會返回一個Series對象，當選擇多行數據時，會返回一個DataFrame對象

 

自定義索引

Pandas可使用某一列來從新自定義DataFrame的索引，經過set_index()方法來實現，該方法主要有兩個參數：

• inplace，若是設置爲True就不會返回一個新的DataFrame，而是直接修改該DataFrame
• drop，若是設置爲True，就會移出掉該列的數據

# 我要把電影名稱做爲該DataFrame的索引

fandango = pd.read_csv('fandango_score_comparison.csv')

fandango_films = fandango.set_index('FILM', inplace=False, drop=True)

能夠看到索引值已經變了，而且該DataFrame中也移除了名爲FILM的列（該列變成了索引）

使用了自定義的索引後，相似於以前的行選擇同樣進行選擇，只是把整數索引換成了電影名稱而已，例如

# 使用切片或者loc[]函數

fandango_films["Avengers: Age of Ultron (2015)":"Hot Tub Time Machine 2 (2015)"]

fandango_films.loc["Avengers: Age of Ultron (2015)":"Hot Tub Time Machine 2 (2015)"]

# 指定要返回的電影

fandango_films.loc['Kumiko, The Treasure Hunter (2015)']

# 選擇要返回的多部電影

movies = ['Kumiko, The Treasure Hunter (2015)', 'Do You Believe? (2015)', 'Ant-Man (2015)']

fandango_films.loc[movies]

 

 

Apply方法

apply()方法是運行在Series對象中的，而Pandas中任何單獨一列或者單獨一行的數據就是一個Series對象，apply()方法中要傳遞的是一個向量運算方法

若是該方法返回一個單獨的值（譬如將整列（行）的值相加），那麼就會返回一個Series，該Series保存的是所有列的運行結果，以下

import numpy as np

# 得出每一列的數據類型

types = fandango_films.dtypes

# 選擇具備浮點數據的那些列

float_columns = types[types.values == 'float64'].index

float_df = fandango_films[float_columns]

# 對選擇的列計算總分，在lambda中的x是一個Series，表明了某一列

count = float_df.apply(lambda x: np.sum(x))

若是該方法沒有合併運算結果（譬如將整列（行）的值都分別乘2），那麼就會返回一個DataFrame。以下

double_df = float_df.apply(lambda x: x*2)

 

若是要在行上使用apply()方法，只要指定參數axis = 1便可

# 計算每部電影的平均分

means = float_df.apply(lambda x: np.mean(x), axis = 1)