pandas之DataFrame基础

1. DataFrame定义

• DataFrame是一个二维的表格型数据结构，可以看做是由Series组成的字典(共用同一个索引)
• DataFrame由按一定顺序排列的【多列】数据组成，每一列的数据类型可能不同
• 设计初衷是将Series的使用场景从一维拓展到多维，DataFrame即有行索引，也有列索引

2. DataFrame的创建形式

• 使用列表创建，并设置行索引与列索引

  #data:构造DataFrame的数据
  pd.DataFrame(data=data, index=index, columns=columns)
  data=np.random.randint(0,100,size=(3,4))
  index=['tom','lucy','alex']
  columns=['语文','数学','物理','化学']
  df1=pd.DataFrame(data=data,index=index,columns=columns)
  

• from dict of Series or dicts 使用一个由Series构造的字典或一个字典构造

  #通过字典套Series方式创造DataFrame
  names=pd.Series(data=['lucy','mery','tom'],index=list('ABC'))
  scores=pd.Series(data=np.random.randint(0,100,size=3),index=list('ABC'))
  df2=pd.DataFrame(data={
      "names":names,
      "scores":scores
  })
  

• from dict of ndarrays/lists使用一个由列表或ndarray构造的字典构造,ndarrays必须长度保持一致

  #通过字典套列表创建DataFrame
  dic={
      'name':['user1','user2'],
      'score':[90,80]
  }
  df3=pd.DataFrame(data=dic)
  

• from a list of dicts 使用一个由字典构成的列表构造

  #列表套字典创建DataFrame
  dic1={
      'name':'lucy',
      'score':90
  }
  dic2={
      'name':'user',
      'score':80
  }
  lis=[dic1,dic2]
  df4=pd.DataFrame(data=lis)
  

• DataFrame.from_dict()函数构造

  #字典套ndarry构造
  names=['lucy','tom']
  yuwen=np.random.randint(0,100,size=2)
  shuxue=np.random.randint(0,100,size=2)
  dic={
      "name":names,
      "语文":yuwen,
      '数学':shuxue
  }
  df5=pd.DataFrame(data=dic)
  

3. DataFrame的属性

score=pd.DataFrame(data={
    "name":pd.Series(data=['lucy','mery','tom'],index=list('ABC')),
    "score":pd.Series(data=np.random.randint(0,100,size=3),index=list('ABC'))
})
score.dtypes  #列数据类型   
# name     object
# score     int32
# dtype: object

score.values  #获取所有值  array([['lucy', 66], ['mery', 88],['tom', 71]], dtype=object)
score.index  #列索引  Index(['A', 'B', 'C'], dtype='object')
score.columns  #行索引  Index(['name', 'score'], dtype='object')

4. DataFrame的运算

• 与非pandas对象的运算 【服从广播机制】

  运算方式	运算含义	相关代码
  与数值相加	各个位置都会加上这个数值 【广播机制】
  列相同	对应列位置相加
  行列不同	不可加，DataFrame是根据索引匹配，不匹配报错

df=pd.DataFrame(data=np.random.randint(0,100,size=(3,4)),columns=list('ABCD'))
 df+10
 arr1=np.array([1,2,3,4])
 df + arr1
 arr2=np.random.randint(0,20,size=(2,2))
 df + arr2

• 与Series对象运算

  • DateFrame和Series运算，默认是列索引对齐原则，不匹配，补NaN

  • 用add函数指定轴向index为行，不匹配补NaN

    s=pd.Series(data=[1,2,3],index=[1,2,3])
    df=pd.DataFrame(data=np.random.randint(0,100,size=(3,4)),columns=list('ABCD'))
    s+df
    df.add(s,axis='index')
    

    

• 与DataFrame对象运算

  对齐方式	方法
  索引对齐原则	(row/columns)
  对不齐补空值	使用add/sub/mul/div函数处理空值

• python操作符与pandas操作函数的对应表

  • 根据索引匹配，不匹配补NaN，匹配进行运算
  • 填充方式：根据索引匹配，不匹配适用fill_value填充，匹配进行运算
    • 注意:DataFrame与Series运算，不支持fill_value属性

  字符	函数
  +	add()
  -	sub(),subtract()
  *	mul(),multiply()
  /	truediv(),div(),divide()
  //	floordiv()
  %	mod()
  **	pow()

  df1=pd.DataFrame(data=np.random.randint(0,10,size=(3,3)),columns=list('ABC'))
  df2=pd.DataFrame(data=np.random.randint(0,10,size=(2,2)),columns=list('BA'))
  df1+df2
  df1.add(df2,fill_value=0) 
  

  

• numpy functions

  arr = np.random.randint(-10, 10, size=(3,3))
  df=pd.DataFrame(data=arr)
  #求每个数的绝对值
  np.abs(df)
  

  

• 转置运算

  df=pd.DataFrame(data=np.random.randint(-10,10,size=(3,3)))
  #对角线翻转
  df.T
  

  

5. pandas访问相关操作

ndarray(ndim_index,ndim_index2…)
ndim_index支持:索引，索引列表，bool列表，切片，条件表达式

• 注意：使用索引切片都是左闭右开，使用标签切片的都是闭合区间

5.1 使用 loc[]显示访问

s.loc[index]
s.loc[row_index,col_index]
index支持：索引(index)，索引列表(index_list)，布尔列表(bool_list)，条件表达式，切片(左闭右开)

df = pd.DataFrame(data=np.random.randint(0,10,size=(5,6)), columns=list('ABCDEF'))
df.loc[0,'A']      
df.loc[0]            
df.loc[:,['A','B']] 
df.loc[[1,2],['B','C']]
df.loc[np.array([True,False,False,False,False])]
bool_list=pd.Series(data=np.array([True,True,False,False,False,True]),index=[0,4,1,2,3,5])
df.loc[bool_list]
df.loc[:,bool_list.values]  
s=pd.Series(data=np.random.randint(0,10,size=5),index=list('abcde'))
s.loc['b':'c']
s.loc[['b','c']]
s.loc[[False,True,True,False,False]]
s.loc[s>6]

5.2 iloc[] 隐式访问

s.iloc[index]
s.iloc[row_index,col_index]
index支持：索引(index)，索引列表(index_list)，布尔列表(bool_list)，条件表达式，切片(左闭右开)

df = pd.DataFrame(data=np.random.randint(0,10,size=(5,6)), columns=list('ABCDEF'))
df.iloc[:,0]
df.iloc[[True,False,True,False,False]]
df.iloc[0:3]

• 间接访问

  df = pd.DataFrame(data=np.random.randint(0,10,size=(5,6)), columns=list('ABCDEF'))
  #间接访问，不提倡，赋值时会分不清到底修改了谁
  df.loc[0].loc['B']=10
  #标签访问列
  df[['A','B']]
  #切片访问行
  df[0:2]
  

5.3 总结

• 注意：直接用中括号访问
• 标签访问的是列，标签切片访问的是行

6. 单层索引和多层级索引

6.1 索引种类与使用

• 怎么使用索引?

  • pd.Index是pandas提供的专门用于构造索引的类，它有很多类，CategoricalIndex,RangeIndex
  • 所有的子类都具备Index类的特点，比如可以使用索引访问元素
  • 通常如果需要对索引定制(name),可以使用pd.Index系列方法来构造索引
  • 如果没有特殊需求，使用普通的列表完全没有问题

• 索引种类【不是很知道区别，实际好像没有用到过】

6.2 索引相关设置

df=pd.DataFrame(data=np.random.randint(0,10,size=(5,3)),columns=list('ABC'))
df.index=list('abcde')
df.columns = [1,2,3]
m_index=pd.RangeIndex(start=0,stop=5,step=1,name='index')
df.index=m_index

6.3 索引构造

• 单层索引，使用pd.index()

• 多层索引构造

  • 使用arrays MultiIndex.from_arrays()

  columns=pd.MultiIndex.from_arrays([['第一学期','第一学期','第一学期','第二学期','第二学期','第二学期'],
                                     ['lucy','tom','hello','lucy','tom','hello']])
  index=list('ABC')
  data=np.random.randint(0,100,size=(3,6))
  df=pd.DataFrame(data=data,index=index,columns=columns)
  #可以直接作为多层索引使用，不需要构造MutiIndex对象
  #pd.MutiIndex.from_arrays([必须是一个额为数组结构])
  #模范，不采用，理解即可
  

  • 使用tuple pd.MulitiIndex.from_tuples

    tuples=pd.MultiIndex.from_tuples([
        ('第一期','lucy'),
        ('第一期','tom'),
        ('第一期','hello'),
        ('第二期','lucy'),
        ('第二期','tom'),
        ('第二期','hello'),
    ])
    index=list('ABC')
    data=np.random.randint(0,100,size=(3,6))
    df=pd.DataFrame(data=data,index=index,columns=columns)
    

  • 使用product pd.MultiIndex.from_product

    level1=['第一期','第二期']
    level2=['A','B','C']
    #level1与level2自动匹配
    #列索引为期数与产品
    data=np.random.randint(0,100,size=(3,6))
    columns=pd.MultiIndex.from_product([level1,level2],names=['期数','产品'])
    index=pd.Index(data=['lucy','tom','hello'],name='销售员')
    df=pd.DataFrame(data=data,index=index,columns=columns)
    
    level1=['第一期','第二期']
    level2=['A','B','C']
    #行索引为期数与销售员
    index=pd.MultiIndex.from_product([['第一期','第二期'],['lucy','tom','hello']],names=['期数','销售员'])
    columns=pd.Index(data=['A','B','C'],name='产品')
    data = np.random.randint(0, 100, size=(6,3))
    df=pd.DataFrame(data=data,index=index,columns=columns)
    

6.4 索引访问

• 多层索引访问逻辑
  • 多层索引的访问逻辑，与单层索引的访问逻辑完全一致
  • 但是：多层索引的索引表达形式是以元组的方式处理的
• 多层索引创建

  level1,level2=['第一期','第二期'],['lucy','tom','hello']
  #行索引为期数与销售员
  index=pd.MultiIndex.from_product([level1,level2],names=['期数','销售员'])
  columns=pd.Index(data=['A','B','C'],name='产品')
  data = np.random.randint(0, 100, size=(6,3))
  df=pd.DataFrame(data=data,index=index,columns=columns)
  

  

• 多层索引访问【元祖形式访问】

  #显示索引
  df.loc[('第一期','hello')]
  df.loc[[('第一期','lucy'),('第二期','lucy')]]
  df.loc['第一期'].loc['tom']
  df.sort_index(inplace=True)
  #使用babels
  df.loc[('第一期','lucy'):('第二期','lucy')]
  

6.5 索引变换

• unstack把行索引向列索引变换

    level1,level2=['第一期','第二期'],['lucy','tom','hello']
    #行索引为期数与销售员
    index=pd.MultiIndex.from_product([level1,level2],names=['期数','销售员'])
    columns=pd.Index(data=['A','B','C'],name='产品')
    data = np.random.randint(0, 100, size=(6,3))
    df=pd.DataFrame(data=data,index=index,columns=columns)
    display(df,df.unstack())  
  

• stcak把列索引向行索引变换

  df.stack()
  

  

代码007普通

打赏 收藏 海报 链接