Pandas中的數據結構(2):DataFrame

DataFrame是一個二維的有標簽的數據結構,可以擁有不同類型的列。DataFrame可以被看作一張SQL表格鸳惯,或者Series的字典商蕴。

與Series相似叠萍,DataFrame可以接受不同種類的輸入:

? ? · 一維數組、dict绪商、list或者Series的dcit

? ? · 二維的numpy.ndarray

? ? · 結構化的數組

? ? · Series

? ? · 另一個DataFrame

在輸入數據的同時苛谷,也可以選擇性地輸入行和列的標簽作為參數。

如果軸坐標沒有被輸入格郁,則會根據公共規(guī)則被自動創(chuàng)建腹殿。

根據dict或者Series的字典創(chuàng)建DataFrame:

根據Series的字典創(chuàng)建


根據dict創(chuàng)建

行和列可以通過index和column屬性進行訪問:

訪問行列

通過ndarrays / lists的字典創(chuàng)建DataFrame:

所有數組的大小必須相同;如果輸入了索引例书,索引數量必須和數組數量相同锣尉。如果沒輸入索引,則會自動生成range(n)的索引决采。


通過結構化或者記錄數組創(chuàng)建DataFrame:

創(chuàng)建DataFrame


修改行和列的值

通過存儲dict的list創(chuàng)建DataFrame:

DataFrame.from_dict:

DataFrame.from_dict可以接收dict的字典或者類似數組的數列字典來構建DataFrame自沧。可以通過輸入orient='index'树瞭,來將dict中的key當做行坐標拇厢。


key為列名


DataFrame.from_records:

通過from_records創(chuàng)建的DataFrame可以使用特殊數據類型的index

指定特殊的index

列的查找、增加和刪除:

對于DataFrame的列的操作與對dict中的元素操作相似:

列的查找晒喷、運算和增加
列的刪除

如果寫入了一個標量孝偎,則會自動用此值補全整行;如果寫入了一個Series凉敲,但其長度與DataFrame不同衣盾,則系統會自動調整Series的長度并將其裝入DataFrame中。

寫入值的自適應

通過dataframe.insert()函數可以在指定位置插入一列爷抓。例如势决,如下命令可在第二列插入一列數據,行名為‘’bar‘’废赞,數據為df['one']:

行的插入

使用assign()函數可以輕松地根據已有的行建立新的行徽龟,并且assign()函數只返回數據的副本,而不會影響原數據:

assign()創(chuàng)建新行

行的查找:

根據標簽查找行:df.loc[label]? ? ? ? 返回結果:Series

根據行的位置查找行:df.iloc[int]? ? ? ? ? ?返回結果:Series

行切片: df[5:10]? ? ? ? ? 返回結果:DataFrame

根據判斷條件選擇行:df[bool_vec]? ? ? ? ? ?返回結果:DataFrame


行的查找

通過索引查找特定位置的數據:

df.at[index,column]

或 df.col[index,column]

通過行列數字查找特定位置的數據:

df.icol[row,col]

轉置:

利用DataFrame的T屬性可以進行轉置操作:

DataFrame的轉置

矩陣乘法:

利用dot方法進行矩陣間的乘運算:df1.dot(df2)

元素展示:

通過df.info()方法唉地,可以查看所有列的信息

pd.set_option('display.width',arg)? 可以設置數據展示寬度据悔,默認值是80

pd.set_option('display.max_colwidth',arg) 可以設置行的展示寬度传透,不足部分用...替代

reindex:

reindex方法允許你在特定的軸上對索引進行增刪改,并將結果作為副本返回:

reindex修改索引

reset_index:

reset_index方法可以將當前的index作為dataframe的一列极颓,并重新創(chuàng)建一個index:


最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末朱盐,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子菠隆,更是在濱河造成了極大的恐慌兵琳,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,284評論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件骇径,死亡現場離奇詭異躯肌,居然都是意外死亡,警方通過查閱死者的電腦和手機破衔,發(fā)現死者居然都...
    沈念sama閱讀 93,115評論 3 395
  • 文/潘曉璐 我一進店門清女,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人晰筛,你說我怎么就攤上這事嫡丙。” “怎么了读第?”我有些...
    開封第一講書人閱讀 164,614評論 0 354
  • 文/不壞的土叔 我叫張陵曙博,是天一觀的道長。 經常有香客問我怜瞒,道長父泳,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,671評論 1 293
  • 正文 為了忘掉前任盼砍,我火速辦了婚禮尘吗,結果婚禮上,老公的妹妹穿的比我還像新娘浇坐。我一直安慰自己睬捶,他們只是感情好,可當我...
    茶點故事閱讀 67,699評論 6 392
  • 文/花漫 我一把揭開白布近刘。 她就那樣靜靜地躺著擒贸,像睡著了一般。 火紅的嫁衣襯著肌膚如雪觉渴。 梳的紋絲不亂的頭發(fā)上介劫,一...
    開封第一講書人閱讀 51,562評論 1 305
  • 那天,我揣著相機與錄音案淋,去河邊找鬼座韵。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的誉碴。 我是一名探鬼主播宦棺,決...
    沈念sama閱讀 40,309評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼黔帕!你這毒婦竟也來了代咸?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 39,223評論 0 276
  • 序言:老撾萬榮一對情侶失蹤成黄,失蹤者是張志新(化名)和其女友劉穎呐芥,沒想到半個月后,有當地人在樹林里發(fā)現了一具尸體奋岁,經...
    沈念sama閱讀 45,668評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡思瘟,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,859評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現自己被綠了厦取。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片潮太。...
    茶點故事閱讀 39,981評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡管搪,死狀恐怖虾攻,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情更鲁,我是刑警寧澤霎箍,帶...
    沈念sama閱讀 35,705評論 5 347
  • 正文 年R本政府宣布,位于F島的核電站澡为,受9級特大地震影響漂坏,放射性物質發(fā)生泄漏。R本人自食惡果不足惜媒至,卻給世界環(huán)境...
    茶點故事閱讀 41,310評論 3 330
  • 文/蒙蒙 一顶别、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧拒啰,春花似錦驯绎、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,904評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至册着,卻和暖如春拴孤,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背甲捏。 一陣腳步聲響...
    開封第一講書人閱讀 33,023評論 1 270
  • 我被黑心中介騙來泰國打工演熟, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人司顿。 一個月前我還...
    沈念sama閱讀 48,146評論 3 370
  • 正文 我出身青樓芒粹,卻偏偏與公主長得像蚕冬,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子是辕,可洞房花燭夜當晚...
    茶點故事閱讀 44,933評論 2 355

推薦閱讀更多精彩內容