pandas DataFrame怎么用？从创建到索引的完整教程_Python

dataframe是pandas中常用的数据结构，并且在数据分析中使用非常方便、简洁，总结如下。

1、介绍dataframe

dataframe是pandas中的表格型数据结构，可以理解为xlsx中的表格；

它含n个有序的列，每一列可以是不同的值类型（数值、字符串、布尔型值），也可以理解为由series组成的字典（series是padas中一种基础数据结构，理解为表格中的一列）；

此外dataframe是一个二维的数据结构，也可以看成是二维的数据，结构如图所示（图片来源菜鸟教程）：

其中

index：表示索引值，就是行标签，默认值为0,1,2....；
column-i：表示列标签，默认值为0,1,2...

2、如何创建dataframe

首先需要了解pd.dataframe( data, index, columns, dtype, copy)构造方法

data：一组数据(list, dict, ndarray, series等类型)。
index：用于指定行标签。
columns：用于指定列标签。
dtype：数据类型。
copy：拷贝数据，默认为 false。

1）通过列表创建

指定行标签

import pandas as pd

def main():
    data = [[1, 2, 3], ['google', 'meta', 'apple']]
    index = ['idx', 'name']
    df = pd.dataframe(data, index=index)

    print(df)

指定列标签

import pandas as pd


def main():
    data = [['google', 1], ['meta', 2], ['apple', 3]]
    col = ['name', 'id']
    df = pd.dataframe(data, columns=col)

    print(df)

2）通过字典创建

字典的key对应表格的列名，value对应每个列中存在的值。

import pandas as pd


def main():
    data = {'name': ['google', 'meta'], 'idx': [1, 2]}
    df = pd.dataframe(data)
    print(df)

3）使用numpy中数组来创建

numpy中数组就是类似的二维数组，可以使用行标签指定，也可以使用列标签指定

import pandas as pd
import numpy as np


def main():    
    ndarray_data = np.array([
        ['google', 1],
        ['meta', 2],
        ['apple', 3]
    ])
    idx = [0, 1, 2]
    df = pd.dataframe(ndarray_data, index=idx)
    print(df)

3、dataframe的属性

1) df.shape

用于返回 dataframe对象的维度信息（形状），即行数和列数。返回包含行数和列数的元组。

import pandas as pd

# 创建一个示例 dataframe
data = {'a': [1, 2, 3],
        'b': [4, 5, 6],
        'c': [7, 8, 9]}
df = pd.dataframe(data)

# 使用 df.shape 获取 dataframe 的维度信息
shape = df.shape

# 打印结果
print("dataframe 的维度信息：", shape) # （3,3）

2）df.columns 用于获取列名 3）df.index 用于获取索引

4、dataframe索引元素方式

pandas 使用 loc 属性返回指定行和列的数据，从0开始计数

1）指定行号和列号访问元素

import pandas as pd

# 创建一个示例 dataframe
data = {'a': [1, 2, 3],
        'b': [4, 5, 6],
        'c': [7, 8, 9]}
df = pd.dataframe(data)

# 选择第二行第三列的元素
element = df.iloc[1, 2]

# 打印结果
print(element)

2）使用切片，选择连续的多行或多列数据

import pandas as pd


def main():
    data = {'a': [1, 2, 3],
            'b': [4, 5, 6],
            'c': [7, 8, 9]}
    df = pd.dataframe(data)

    target = df.iloc[:2, :2]
    print(target)

3）使用列表，选择多行或多列数据

import pandas as pd


def main():
    data = {'a': [1, 2, 3],
            'b': [4, 5, 6],
            'c': [7, 8, 9]}
    df = pd.dataframe(data)

    target = df.iloc[[0, 2], [1, 2]]
    print(target)

main()

4）使用列索引名称来，获取数据

import pandas as pd


def main():
    data = {'a': [1, 2, 3],
            'b': [4, 5, 6],
            'c': [7, 8, 9]}
    df = pd.dataframe(data)

    target = df.iloc[0]['a']
    print(target)

5、常用的一些函数

1）df.dropna() 用于删除表格中包含缺失值的行 df.dropna(axis=1) 用于删除表格中指定列中包含缺失值的行

2）df.fillna(value=0, inplace=true) 对于dataframe中缺失的值，还可以根据值进行填充

3）df.sort_values(by='column_name', ascending=true) 根据指定的列名排序表格,默认为升序排序

import pandas as pd


def main():
    data = {'a': [1, 2, 3],
            'b': [7, 3, 1],
            'c': [7, 8, 9]}
    df = pd.dataframe(data)

    target = df.sort_values(by='b')
    print(target)

main()

4）df.sample() 用于从dataframe中随机抽取样本。

默认情况，可以返回指定数量的随机样本的dataframe。

import pandas as pd

# 创建一个示例 dataframe
data = {'a': [1, 2, 3, 4, 5],
        'b': ['a', 'b', 'c', 'd', 'e']}
df = pd.dataframe(data)

# 从 dataframe 中随机抽取两个样本
sample = df.sample(n=2)

# 打印结果
print(sample)

df.sample() 方法还支持其他参数，例如 frac（指定要抽取的样本占原始数据的比例）、replace（是否允许重复抽样）。

5）pd.concat()

pandas中用于合并数据的函数，可以沿着指定的轴将多个dataframe或者series对象连接起来。

沿着行进行数据合并，因此合并的两个对象在series上一致。

import pandas as pd

# 创建两个示例 dataframe
df1 = pd.dataframe({'a': [1, 2, 3],
                    'b': [4, 5, 6]})
df2 = pd.dataframe({'a': [7, 8, 9],
                    'b': [10, 11, 12]})

# 使用 pd.concat() 连接两个 dataframe，并为每个 dataframe 添加一个层次化索引
result = pd.concat([df1, df2], keys=['df1', 'df2'])

# 打印结果
print(result)

沿着列进行合并，因此合并的两个对象在行数上一致。

import pandas as pd

# 创建两个示例 dataframe
df1 = pd.dataframe({'a': [1, 2, 3],
                    'b': [4, 5, 6]})
df2 = pd.dataframe({'c': [7, 8, 9],
                    'd': [10, 11, 12]})

# 使用 pd.concat() 沿列轴连接两个 dataframe
result = pd.concat([df1, df2], axis=1)

# 打印结果
print(result)

6）df.series_name.value_counts()

计算dataframe中某个series中每个唯一值的出现次数

import pandas as pd
import numpy as np


def main():
    data = {'a': [1, 2, 3],
            'b': [7, 3, 1],
            'c': [7, 8, 9]}
    df = pd.dataframe(data)

    target = df.b.value_counts()
    print(target)

实际应用中，dataframe中还有很多方法没有介绍，根据需要边用边查。