Pandas 學習 第4篇：DataFrame -（建立、屬性、操做列、類型轉換）

數據框相似於二維的關係表，包含一組有序的列，列與列之間的數據類型能夠是不一樣的，可是單個列的數據類型是相同的。數據框的每一列或每一行均可以認爲是一個Series。DataFrame中面向行和麪向列的操做基本上是相同的，把行和列稱做軸（axis），DataFrame是按照軸進行操做的，axis=0表示行軸；axis=1 表示列軸。

DataFrame對象既有行索引（index），也有列索引（columns），行索引也叫作行標籤，列索引也叫作列標籤/列名。在DataFrame的構造函數中，columns參數用於設置列索引，index用於設置行索引，都屬於Index類型。Index對象既可使用位置（整數）來表示，也可使用標籤（字符串）來表示，位置的起始值是0，標籤是經過列表來指定的。

一，數據框構造函數

數據框的基礎構造函數是DataFrame，從array-like的結構中構造數據框：

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

參數註釋:

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

除了基礎構造函數以外，還有 DataFrame.from_records 和 DataFrame.from_dict，專門用於從元組 和 字典中建立數據框。


二，建立數據框

一般狀況下，咱們使用pd.DataFrame()函數來建立數據框，固然也能夠根據須要使用pd.DataFrame.from_dict()函數來建立數據框。

1，使用字典來建立數據框

經過等長的字典來建立數據框，並能夠設置數據框的列名和行索引。字典存儲的是每列的數據：

>>> 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（列表項是List）來建立數據框

列表項是列表，把該列表轉換爲DataFrame：

students = [ ['jack', 34, 'Sydeny'] , ['Riti', 30, 'Delhi' ] , ['Aadi', 16, 'New York'] ] df = pd.DataFrame(students)

3，使用列表（列表項是元組）來建立數據框

列表項是元組，把該列表轉換爲DataFrame：

students = [ ('jack', 34, 'Sydeny') , ('Riti', 30, 'Delhi' ) , ('Aadi', 16, 'New York') ] df = pd.DataFrame(students)

4，使用from_dict建立數據框

data是一個字典結構，字典的Key是列名，Value是一個列表，經過這種格式建立數據框：

>>> 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，數據框的屬性

數據框的屬性主要是索引、列名、數據類型和值，對於一下數據框

1，數據框的索引

經過index屬性來訪問數據框的行標籤，經過columns屬性訪問數據框的列標籤：

>>> df.index Index(['one', 'two', 'three', 'four', 'five'], dtype='object') >>> df.columns Index(['year', 'state', 'pop'], dtype='object')

2，數據類型

查看數據框各列的數據類型

>>> df.dtypes year int64 state object pop float64 dtype: object

查看數據框中某一列的數據類型：

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

3，數據框的值

values屬性以Numpy數組形式顯示數據框的值：

>>> 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，數據框的軸和形狀

>>> df.axes [Index(['one', 'two', 'three', 'four', 'five'], dtype='object'), Index(['year', 'state', 'pop'], dtype='object')] >>> df.shape (5, 3)

四，列操做和行操做

追加列

經過爲一個新列賦值來向數據框中追加新列，新列始終處於列名序列的末尾：

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

插入列 

要制定新列的位置，須要使用insert()函數，該函數向數據框中插入一列，並制定新列的位置：

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

參數註釋：

• loc：插入列的位置，該位置索引必須0 <= loc <= len(columns)
• column：插入列的名稱
• value：插入列的值，能夠是單個標量值，插入列的值都是相同的；能夠是序列或array-like，爲每一行的列設置一個值。

舉個例子，向df的末尾插入一列，列值都是a：

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

刪除列或行

使用drop()函數來刪除行或列：

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

參數註釋：

• labels 和 axis：labels參數指定要刪除的標籤，若是axis=0 或 'index'，表示行標籤；若是axis=1 或 'columns'，表示列標籤。axis的默認值是0。
• index：設置index 等價於設置 labels 和axis=0；
• columns：設置columns等價於設置 labels和 axis=1；

舉個例子，把df的列new刪除：

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

追加數據行

向數據框的末尾追加數據行：

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

也就是把一個結構相同的DataFrame追加到另外一個DataFrame的後面，把兩個DataFrame合併爲一個。

五，列數據類型轉換

astype(dtype) 函數用於把數據框的列轉換爲特定的類型，dtype能夠是pandas支持的類型，也能夠是numpy.dtype，也能夠是Python類型：

把數據框的列改變爲字符串類型，str是python類型，'object'是pandas支持的字符串類型：

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

其餘轉換類型的函數

使用Pandas提供的函數如to_numeric()、to_datetime()

 

參考文檔：

pandas DataFrame

原文出處：https://www.cnblogs.com/ljhdo/p/10593914.html