『Python核心技术与实战』pandas.DataFrame()函数介绍

迷南。 2022-08-28 02:53 404阅读 0赞

<table> 
 <tbody> 
  <tr> 
   <td><font>pandas.DataFrame()函数介绍！</font> </td> 
  </tr> 
 </tbody> 
</table>

### 文章目录 ###

*  一. 创建DataFrame
 *   *  1.1. numpy创建
     *  1.2. 直接创建
     *  1.3. 字典创建
 *  二. DataFrame属性
 *   *  2.1. 查看列的数据类型
     *  2.2. 查看DataFrame的头尾
     *  2.3. 查看行名与列名
     *  2.4. 查看数据值.values
     *  2.5. 查看行列数
     *  2.6. 切片和索引
 *  三. DataFrame操作
 *   *  3.1. 转置
     *  3.2. 描述性统计
     *  3.3. 运算之求和、数乘及平方
     *  3.4. 新增列
     *  3.5. 两个DataFrame合并
     *  3.6. ==去重(重复行)==
 *  四. Python assert 关键字
 *  五. 参考

>  *  DataFrame是Python中Pandas库中的一种数据结构，它类似excel，是一种二维表。DataFrame的单元格可以存放数值、字符串等，这和excel表很像，同时DataFrame可以设置**列名columns与行名index**。

# 一. 创建DataFrame #

## 1.1. numpy创建 ##

>  *  **使用numpy函数创建：** index和columns这两个参数是可选的，你可以选择不设置，而且这两个list是可以一样的。

import pandas as pd
    import numpy as np
    
    print(list("abc"))
    df1 = pd.DataFrame(np.random.randn(3, 3), index=list("abc"), columns=list("ABC"))

## 1.2. 直接创建 ##

>  *  **直接创建：**

df2 = pd.DataFrame([[1, 2, 3],
                        [2, 3, 4],
                        [3, 4, 5]], index=list("abc"), columns=list("ABC"))

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16][]

## 1.3. 字典创建 ##

>  *  **使用字典创建：**

import pandas as pd
    import numpy as np
    
    dict1 = {
        "name":["张三", "李四", "王二"],
             "age":[22, 44, 35],
             "gender":["男", "女", "男"]}
    df3 = pd.DataFrame(dict1)

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 1][]

# 二. DataFrame属性 #

## 2.1. 查看列的数据类型 ##

df3.dtypes

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 2][]

## 2.2. 查看DataFrame的头尾 ##

>  *  使用`head`可以查看前几行的数据，**默认的是前5行**，不过也可以自己设置。
>  *  使用`tail`可以查看后几行的数据，**默认也是5行**，参数可以自己设置。

import numpy as np
    import pandas as pd
    data = np.random.randn(6, 4)
    df = pd.DataFrame(data, index=list("abcdef"), columns=list("ABCD"))
    # df.head()
    df.head(2)
    # df.tail() 
    df.tail(2)

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 3][]

## 2.3. 查看行名与列名 ##

df.index
    df.columns

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 4][]

## 2.4. 查看数据值.values ##

>  *  使用values可以查看DataFrame里的数据值，**返回的是一个ndarray**(转成numpy类型)。

df.values

>  *  比如说查看**某一列**所有的数据值。

df['B'].values

>  *  如果查看某一行所有的数据值。使用iloc查看数据值（但是好像只能根据行来查看？），iloc是根据数字索引（也就是行号）。

df.iloc[0]

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 5][]

## 2.5. 查看行列数 ##

df.shape[0]
    df.shape[1]
    df.shape

## 2.6. 切片和索引 ##

>  *  使用冒号进行切片。
>  *  **切片表示的是行切片**
>  *  **索引表示的是列索引**

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 6][]

# 三. DataFrame操作 #

## 3.1. 转置 ##

>  *  **直接字母T，线性代数上线。**

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 7][]

## 3.2. 描述性统计 ##

df.describe()

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 8][]

>  *  如果有的列是非数值型的，那么就不会进行统计。
>  *  如果想对**行进行描述性统计**，转置后再进行describe。

## 3.3. 运算之求和、数乘及平方 ##

>  *  使用`sum()`默认对每列求和，`sum(1)`为对每行求和。

df.sum()   # sum()每列求和
    df.sum(1)  # sum(1)为对每行求和

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 9][]

>  *  数乘运算使用`apply`

df.apply(lambda x: x*2)

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 10][]

>  *  平方运算跟matlab类似，直接使用两个\*。

df**2

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 11][]

## 3.4. 新增列 ##

>  *  扩充列可以直接像字典一样，列名对应一个list，但是注意list的长度要跟index的长度一致。

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 12][]

## 3.5. 两个DataFrame合并 ##

>  *  使用`join`可以将两个DataFrame合并，但只根据行列名合并，并且以作用的那个DataFrame的为基准。

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 13][]

>  *  但是，join这个方法还有how这个参数可以设置，合并两个DataFrame的交集或并集。参数为`’inner’`表示交集，`'outer’`表示并集。

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 14][]

>  *  如果要合并多个Dataframe，可以用list把几个Dataframe装起来，然后使用concat转化为一个新的Dataframe。

df10 = pd.DataFrame([1, 2, 3, 4, 5, 6], 
    					index=list('ABCDEF'), columns=['a'])
    df11 = pd.DataFrame([10, 20, 30, 40, 50, 60],
                        index=list('ABCDEF'), columns=['b'])
    df12 = pd.DataFrame([100, 200, 300, 400, 500, 600],
                        index=list('ABCDEF'), columns=['c'])
    list1 = [df10.T, df11.T, df12.T]
    df13 = pd.concat(list1)
    df13

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 15][]

## 3.6. 去重(重复行) ##

df.drop_duplicates(subset=None,
                       keep='first',
                       inplace=False
                       )

>  *  `subset`：指定是哪些列重复。
>  *  `keep`：去重后留下第几行，`{‘first’, ‘last’, False}, default ‘first’｝`，如果是`False`，则去除全部重复的行。
>  *  `inplace`：是否作用于原来的`df`。

df14 = pd.DataFrame(data=[[1, 2, 3],
                              [1, 2, 4],
                              [1, 2, 4],
                              [1, 2, 3],
                              [1, 2, 5],
                              [1, 2, 5]],
                        index=list('ABCDEF'),
                        columns=['a', 'b', 'c'])

>  *  去除重复行,保留重复行中最后一行

df14.drop_duplicates(keep='last')

>  *  去除`’c’`列中有重复的值所在的行

df14.drop_duplicates(subset=('c',))

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 16][]

# 四. Python assert 关键字 #

>  *  判断条件是否返回True：

x = "hello"
    
    #如果condition返回True，则不会发生任何事情:
    assert x == "hello"
    
    #如果condition返回False，则引发AssertionError:
    assert x == "goodbye"

>  *  调试代码时使用assert关键字。`assert`关键字可以测试代码中的条件是否返回`True`，否则，程序将引发`AssertionError`。如果代码返回False，则可以编写一条消息，如下例子：

x = "hello"
    
    #如果condition返回False，则引发AssertionError:
    assert x == "goodbye", "x should be 'hello'"

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 17][]

# 五. 参考 #

>  *  [https://tefuirnever.blog.csdn.net/article/details/93708964][https_tefuirnever.blog.csdn.net_article_details_93708964]
>  *  [https://www.cnblogs.com/IvyWong/p/9203981.html][https_www.cnblogs.com_IvyWong_p_9203981.html]

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/dbc7ccc0404c4939811267ac6442bbb6.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/674d175acf5840c8bb146e0e70a24985.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/a2f971e6260f49a59e021a0a63a5eb39.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220828/bb89a37655f34ad3970f59179defdd47.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 4]: /images/20220828/3f1739e191034528a160ce9ad3b80e12.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 5]: /images/20220828/097020d101624951b529e749d4f28099.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 6]: /images/20220828/d4ffda9d81e74bc699741499893109b6.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 7]: /images/20220828/d626f45bb385437cadb45c86570671b9.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 8]: /images/20220828/4e8dde6b5613415bbd61dd6bd4645acd.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 9]: /images/20220828/63dce28470c145a39a67c687999fb8b1.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 10]: /images/20220828/76aa3ac5c40f45ee8212926174feaaa7.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 11]: /images/20220828/91600cfb746e41a4ac18367f92d785da.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 12]: /images/20220828/a990b6915eee4b66b3984c34e65495fe.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 13]: /images/20220828/df6e32a152d24cefa3708ec76b2874f2.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 14]: /images/20220828/6f9527e513854537a89325ed271e00ef.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 15]: /images/20220828/7e6ff74859a84989ab99c97110ad460f.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 16]: /images/20220828/02feb1971dbc42fcb6c961d5545626ca.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5biD6KGj5bCP5byg_size_20_color_FFFFFF_t_70_g_se_x_16 17]: /images/20220828/4384ff8d36a1422596427846fdca14f7.png
[https_tefuirnever.blog.csdn.net_article_details_93708964]: https://tefuirnever.blog.csdn.net/article/details/93708964
[https_www.cnblogs.com_IvyWong_p_9203981.html]: https://www.cnblogs.com/IvyWong/p/9203981.html