Pandas实战——DataFrame

pandas in action.png

原书地址

本篇笔记为原书第四章节的内容。

• The DataFrame Oject

---

DataFrame是二维行列的表格型数据结构。如下图所示5行2列：

DataFrame

DataFrame创建

• 字典创建DataFrame

city_data = {
        "City": ["New York City", "Paris", "Barcelona", "Rome"],
        "Country": ["United States", "France", "Spain", "Italy"],
        "Population": [8600000, 2141000, 5515000, 2873000]
    }
cities = pd.DataFrame(city_data)
cities

from dict

• Numpy的数据创建DataFrame

pd.DataFrame(np.random.randint(1, 101, [3, 5]))

from narray

• 指定index和column_labels

random_data = np.random.randint(1, 101, [3, 5])
row_labels = ["Morning", "Afternoon", "Evening"]
column_labels = (
        "Monday",
        "Tuesday",
        "Wednesday",
        "Thursday",
        "Friday",
    )

pd.DataFrame(
    data = random_data,
    index = row_labels,
    columns = column_labels,
)

index && columns

• read_csv()创建DataFrame

  
  read_csv

DataFrame属性及方法

属性

• df.dytpes
• df.index
• df.columns
• df.ndim
• df.shape
• df.size

方法

• df.count()
• df.head()，df.tail()
• df.sample()
• df.nunique()
• df.max()
• df.min()
• df.nlargest(n=n, colums=['colums-name'])
• df.nsmallest()
• df.sum()
• df.mean() # 通过numeric_only来指定只对数值型数据进行操作
• df.median() # 通过numeric_only来指定只对数值型数据进行操作
• df.mode() # 通过numeric_only来指定只对数值型数据进行操作
• df.std() # 通过numeric_only来指定只对数值型数据进行操作

DataFrame排序操作

sort_values()

• df.sort_values(by=['colums-name',], ascending=False) # 支持多列排序

  
  sort_values

sort_index()

sort_index

对列标签进行排序

axis params

设置新index

• set_index()

  
  set_index

取DataFrame的行或列值

取列值

• df.columns-name # .列名即可返回该列下的所有值
• df['col-name'] # 以上面结果一样
• df[ ['col1', 'col2'] ] # 获取多列值

• df.select_dtypes(include=dtype) # 通过include或exclude参数对类型数据进行提取，支持多种类型过滤

  
  select_dtypes

取行值

• df.loc() # 通过行标签值来提取数据，支持多标签行取值，标签值区间取值，标签值切片方式取值

  
  loc()

• df.iloc() # 通过索引位置值进行数据提取 iloc = index location，支持多行数值提取，区间，切片方式提取
  

  iloc()

• 指定行列进行数据提取，指定loc或iloc里的第二个参数

  
  row-clo values

• at()或iat()方法进行数据提取

  
  at&&iat

对行列重命名

• df.rename(index={'old' : 'new'})

• df.rename(columns={'old' : 'new'})

• df.reset_index() # 会自动生成数值型的index

• df.set_index('col-name') # 以col-name作为行标签，会替换掉原来的行标签值，原标签值丢弃掉

  
  reset_index && set_index