Pandas DataFrame構造簡析

參考書籍：《利用Python進行數據分析》

DataFrame簡介：

　　DataFrame是一個表格型的數據結構，它含有一組有序的列，每列能夠是不一樣的值類型（數值、字符串、布爾值等）。DataFrame既有行索引也有列索引，它能夠被看作由Series組成的字典（共用同一個索引）。跟其餘相似的數據結構相比（如R的data.frame），DataFrame中面向行和麪向列的操做基本上是平衡的。其實，DataFrame中的數據是以一個或多個二維塊存放的（而不是列表、字典或別的一維數據結構）。

　　導入python庫：

import numpy as np
import pandas as pd

 

DataFrame構造：

　　1：直接傳入一個由等長列表或NumPy數組組成的字典；

dict = {
    "key1": value1;
    "key2": value2;
    "key3": value3;

}

　　注意：key 會被解析爲列數據，value 會被解析爲行數據。

>>> data = {
...     'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
...     'year': [2000, 2001, 2002, 2001, 2002],
...     'pop': [1.5, 1.7, 3.6, 2.4, 2.9]
... }

>>> pd.DataFrame(data)
   pop   state  year
0  1.5    Ohio  2000
1  1.7    Ohio  2001
2  3.6    Ohio  2002
3  2.4  Nevada  2001
4  2.9  Nevada  2002

　　 主動指定列排序方式：

>>> pd.DataFrame(data, columns=['year', 'state', 'pop'])
   year   state  pop
0  2000    Ohio  1.5
1  2001    Ohio  1.7
2  2002    Ohio  3.6
3  2001  Nevada  2.4
4  2002  Nevada  2.9

　　此處 0-1位自動生成的列索引，固然了也能夠主動指定。

>>> pd.DataFrame(data, columns=['year', 'state', 'pop'], index=['one', 'two', 'three', 'four', 'five'])
       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

　　須要注意的是：將列表或數組賦值給某個列時，其長度必須跟DataFrame的長度相匹配！！不然會報ValueError。

>>> pd.DataFrame(data, columns=['year', 'state', 'pop'], index=['one', 'two', 'three', 'four']) 
ValueError: Shape of passed values is (3, 5), indices imply (3, 4)

　　2：傳入一個由嵌套的字典；

　　它就會被解釋爲：外層字典的鍵做爲列，內層鍵則做爲行索引。

>>> dict = {
...     "key1": {
...         "subkey1": 1,
...         "subkey2": 2,
...         "subkey3": 3,
...     },
...     "key2": {
...         "subkey1": 4,
...         "subkey2": 5,
...         "subkey3": 6,
...     },
...     "key3": {
...         "subkey1": 7,
...         "subkey2": 8,
...         "subkey3": 9,
...     },
... }

>>> pd.DataFrame(dict)
         key1  key2  key3
subkey1     1     4     7
subkey2     2     5     8
subkey3     3     6     9

　　請務必保證嵌套字典的key的一致性，否則的話，數據會異常，但不會顯式的報錯，而是顯示出NaN,

>>> dict = {
...     "key1": {
...         "subkey1111111111111111": 1,
...         "subkey2": 2,
...         "subkey3": 3,
...     },
...     "key2": {
...         "subkey1": 4,
...         "subkey2": 5,
...         "subkey3": 6,
...     },
...     "key3": {
...         "subkey1": 7,
...         "subkey2": 8,
...         "subkey3": 9,
...     },
... }
>>> pd.DataFrame(dict)
                        key1  key2  key3
subkey1                  NaN   4.0   7.0
subkey1111111111111111   1.0   NaN   NaN
subkey2                  2.0   5.0   8.0
subkey3                  3.0   6.0   9.0

　　3：傳入一個二維nd.array；

>>> s = [[1,2],[3,4]]
>>> np.array(s)
array([[1, 2],　
　　  　[3, 4]])
>>> pd.DataFrame(np.array(s))

 0 1 0 1 2 1 3 4

　　固然了你也能夠主動指定行和列索引（不贅述）：

>>> pd.DataFrame(np.array(s),index=['one', 'two'], columns=['year', 'state'])
     year  state
one     1      2
two     3      4

　　4：傳入其餘的數據（初始化方式基本相似）；