pandas学习-4
2018-08-12 本文已影响4人
蓝剑狼
Pandas数据结构Dataframe：基本概念及创建
二维数组"Dataframe：是一个表格型的数据结构，包含一组有序的列，其列的值类型可以是数值、字符串、布尔值等。
Dataframe中的数据以一个或多个二维块存放，不是列表、字典或一维数组结构。
# Dataframe 数据结构
# Dataframe是一个表格型的数据结构，“带有标签的二维数组”。
# Dataframe带有index（行标签）和columns（列标签）
data = {'name':['Jack','Tom','Mary'],
'age':[18,19,20],
'gender':['m','m','w']}
frame = pd.DataFrame(data)
frame_1 = pd.DataFrame(data,index=range(1,4))
print("1".center(40,'*'))
print(frame)
print("2".center(40,'*'))
print(frame_1)
print("3".center(40,'*'))
print(type(frame))
print("4".center(40,'*'))
print(frame.index,'\n该数据类型为：',type(frame.index))
print("5".center(40,'*'))
print(frame.columns,'\n该数据类型为：',type(frame.columns))
print("5".center(40,'*'))
print(frame.values,'\n该数据类型为：',type(frame.values))
# # 查看数据，数据类型为dataframe
# .index查看行标签
# .columns查看列标签
# .values查看值，数据类型为ndarray
# 执行结果
*******************1********************
name age gender
0 Jack 18 m
1 Tom 19 m
2 Mary 20 w
*******************2********************
name age gender
1 Jack 18 m
2 Tom 19 m
3 Mary 20 w
*******************3********************
<class 'pandas.core.frame.DataFrame'>
*******************4********************
RangeIndex(start=0, stop=3, step=1)
该数据类型为： <class 'pandas.core.indexes.range.RangeIndex'>
*******************5********************
Index(['name', 'age', 'gender'], dtype='object')
该数据类型为： <class 'pandas.core.indexes.base.Index'>
*******************5********************
[['Jack' 18 'm']
['Tom' 19 'm']
['Mary' 20 'w']]
该数据类型为： <class 'numpy.ndarray'>
# Dataframe 创建方法一：由数组/list组成的字典
# 创建方法:pandas.Dataframe()
data_1 = {'a':[1,2,3],
'b':[3,4,5],
'c':[5,6,7]}
data_2 = {'one':np.random.rand(3),
'two':np.random.rand(3)} # 这里如果尝试 'two':np.random.rand(4) 会怎么样？
print("1".center(40,'*'))
print(data_1)
print("2".center(40,'*'))
print(data_2)
df_1 = pd.DataFrame(data_1)
df_2 = pd.DataFrame(data_2)
print("3".center(40,'*'))
print(df_1)
print("4".center(40,'*'))
print(df_2)
# 由数组/list组成的字典 创建Dataframe，columns为字典key，index为默认数字标签
# 字典的值的长度必须保持一致！
df_1 = pd.DataFrame(data_1, columns = ['b','c','a','d'])
print("5".center(40,'*'))
print(df_1)
df_1 = pd.DataFrame(data_1, columns = ['b','c'])
print("6".center(40,'*'))
print(df_1)
# columns参数：可以重新指定列的顺序，格式为list，如果现有数据中没有该列（比如'd'），则产生NaN值
# 如果columns重新指定时候，列的数量可以少于原数据
df_2 = pd.DataFrame(data2, index = ['f1','f2','f3']) # 这里如果尝试 index = ['f1','f2','f3','f4'] 会怎么样？
print("7".center(40,'*'))
print(df_2)
# index参数：重新定义index，格式为list，长度必须保持一致
#执行结果
*******************1********************
{'a': [1, 2, 3], 'b': [3, 4, 5], 'c': [5, 6, 7]}
*******************2********************
{'one': array([0.20993819, 0.38338562, 0.64550572]), 'two': array([0.28085973, 0.99260134, 0.74315454])}
*******************3********************
a b c
0 1 3 5
1 2 4 6
2 3 5 7
*******************4********************
one two
0 0.209938 0.280860
1 0.383386 0.992601
2 0.645506 0.743155
*******************5********************
b c a d
0 3 5 1 NaN
1 4 6 2 NaN
2 5 7 3 NaN
*******************6********************
b c
0 3 5
1 4 6
2 5 7
*******************7********************
one two
f1 0.404180 0.073073
f2 0.148756 0.285181
f3 0.244382 0.077084
# Dataframe 创建方法二：由Series组成的字典
data1 = {'one':pd.Series(np.random.rand(2)),
'two':pd.Series(np.random.rand(3))} # 没有设置index的Series
data2 = {'one':pd.Series(np.random.rand(2), index = ['a','b']),
'two':pd.Series(np.random.rand(3),index = ['a','b','c'])} # 设置了index的Series
print("1".center(40,'+'))
print(data1)
print("2".center(40,'+'))
print(data2)
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
print("3".center(40,'+'))
print(df1)
print("4".center(40,'+'))
print(df2)
# 由Seris组成的字典 创建Dataframe，columns为字典key，index为Series的标签（如果Series没有指定标签，则是默认数字标签）
# Series可以长度不一样，生成的Dataframe会出现NaN值
#执行结果
+++++++++++++++++++1++++++++++++++++++++
{'one': 0 0.208377
1 0.880316
dtype: float64, 'two': 0 0.570044
1 0.564635
2 0.691983
dtype: float64}
+++++++++++++++++++2++++++++++++++++++++
{'one': a 0.246907
b 0.847142
dtype: float64, 'two': a 0.919989
b 0.115845
c 0.800938
dtype: float64}
+++++++++++++++++++3++++++++++++++++++++
one two
0 0.208377 0.570044
1 0.880316 0.564635
2 NaN 0.691983
+++++++++++++++++++4++++++++++++++++++++
one two
a 0.246907 0.919989
b 0.847142 0.115845
c NaN 0.800938
# Dataframe 创建方法三：通过二维数组直接创建
ar = np.random.rand(9).reshape(3,3)
print("1".center(40,'*'))
print(ar)
df1 = pd.DataFrame(ar)
df2 = pd.DataFrame(ar, index = ['a', 'b', 'c'], columns = ['one','two','three']) # 可以尝试一下index或columns长度不等于已有数组的情况
print("2".center(40,'*'))
print(df1)
print("3".center(40,'*'))
print(df2)
# 通过二维数组直接创建Dataframe，得到一样形状的结果数据，如果不指定index和columns，两者均返回默认数字格式
# index和colunms指定长度与原数组保持一致
#执行结果
*******************1********************
[[0.89541404 0.24214137 0.21055711]
[0.15135701 0.96419989 0.11586075]
[0.06456592 0.26280503 0.77973115]]
*******************2********************
0 1 2
0 0.895414 0.242141 0.210557
1 0.151357 0.964200 0.115861
2 0.064566 0.262805 0.779731
*******************3********************
one two three
a 0.895414 0.242141 0.210557
b 0.151357 0.964200 0.115861
c 0.064566 0.262805 0.779731
# Dataframe 创建方法四：由字典组成的列表
data = [{'one': 1, 'two': 2}, {'one': 5, 'two': 10, 'three': 20}]
print("1".center(40,'*'))
print(data)
df1 = pd.DataFrame(data)
df2 = pd.DataFrame(data, index = ['a','b'])
df3 = pd.DataFrame(data, columns = ['one','two'])
print("2".center(40,'*'))
print(df1)
print("3".center(40,'*'))
print(df2)
print("4".center(40,'*'))
print(df3)
# 由字典组成的列表创建Dataframe，columns为字典的key，index不做指定则为默认数组标签
# colunms和index参数分别重新指定相应列及行标签
#执行结果
*******************1********************
[{'one': 1, 'two': 2}, {'one': 5, 'two': 10, 'three': 20}]
*******************2********************
one three two
0 1 NaN 2
1 5 20.0 10
*******************3********************
one three two
a 1 NaN 2
b 5 20.0 10
*******************4********************
one two
0 1 2
1 5 10
# Dataframe 创建方法五：由字典组成的字典
data = {'Jack':{'math':90,'english':89,'art':78},
'Marry':{'math':82,'english':95,'art':92},
'Tom':{'math':78,'english':67}}
df1 = pd.DataFrame(data)
print("1".center(40,'*'))
print(df1)
# 由字典组成的字典创建Dataframe，columns为字典的key，index为子字典的key
df2 = pd.DataFrame(data, columns = ['Jack','Tom','Bob'])
df3 = pd.DataFrame(df1,index=['a','b','c'])
print("2".center(40,'*'))
print(df2)
print("3".center(40,'*'))
print(df3)
# columns参数可以增加和减少现有列，如出现新的列，值为NaN
# index在这里和之前不同，并不能改变原有index，如果指向新的标签，值为NaN （非常重要！）
#执行结果
*******************1********************
Jack Marry Tom
art 78 92 NaN
english 89 95 67.0
math 90 82 78.0
*******************2********************
Jack Tom Bob
art 78 NaN NaN
english 89 67.0 NaN
math 90 78.0 NaN
*******************3********************
Jack Marry Tom
a NaN NaN NaN
b NaN NaN NaN
c NaN NaN NaN
