Pandas数据结构：DataFrame学习笔记全解析(一)

DataFrame

DataFrame ��� Pandas 中最重要的数据结构之一，它类似于【电子表格或数据库表】，可以存储和处理二维标记数据，

也可以看做是【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。

设计初衷是将Series的使用场景从一维拓展到二维。DataFrame既有行索引，也有列索引。

• 行索引：index
• 列索引：columns
• 值：values（numpy的二维数组）

  DataFrame的创建

  1.字典创建

  DataFrame以字典的键作为每一【列】的名称，以字典的值（一个数组）作为每一列。

  DataFrame会自动加上每一行的索引（和Series一样)；

  同Series一样，若传入的列与字典的键不匹配，则相应的值为NaN

  ## import numpy as npfrom pandas import DataFramedf = DataFrame(data={'语文': np.random.randint(0, 150, size=(5,)),                     '数学': np.random.randint(0, 150, size=(5,)),                    '英语': np.random.randint(0, 150, size=(5,)),                    'python': np.random.randint(0, 150, size=(5,))},               index=['张三', '李四', '王五', '赵六', '田七'])df

  	语文	数学	英语	python
  张三	94	83	73	107
  李四	111	41	64	94
  王五	55	125	42	31
  赵六	51	96	5	78
  田七	78	73	8	8

  2.从列表创建

  data = [['Alice', 25, 'New York'],        ['Bob', 30, 'Los Angeles'],        ['Charlie', 35, 'Chicago']]df1 = DataFrame(data, columns=['Name', 'Age', 'City'])df1 # 自动加上每一行的索引

  	Name	Age	City
  0	Alice	25	New York
  1	Bob	30	Los Angeles
  2	Charlie	35	Chicago

  3.NumPy 数组创建

  data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])df2 = DataFrame(data, columns=['A', 'B', 'C'])df2

  	A	B	C
  0	1	2	3
  1	4	5	6
  2	7	8	9

  DataFrame的属性

  df

  	语文	数学	英语	python
  张三	94	83	73	107
  李四	111	41	64	94
  王五	55	125	42	31
  赵六	51	96	5	78
  田七	78	73	8	8

  1.常用属性shape，size，index, columns, values, dtypes

  • shape 属性是一个元组，表示 DataFrame 的维度，即行数和列数。
  • size 属性表示 DataFrame 中元素的总数，即行数乘以列数。
  • index 属性表示 DataFrame 的行索引，即每行的标签。
  • columns 属性表示 DataFrame 的列名，即每列的标签。
  • values 属性返回 DataFrame 中的实际数据，以 NumPy 数组的形式呈现。
  • dtypes 属性显示 DataFrame 中每列的数据类型。

    df.shape # (5, 4)df.size # 20df.index # Index(['张三', '李四', '王五', '赵六', '田七'], dtype='object')df.columns # Index(['语文', '数学', '英语', 'python'], dtype='object')df.values"""array([[ 94,  83,  73, 107],       [111,  41,  64,  94],       [ 55, 125,  42,  31],       [ 51,  96,   5,  78],       [ 78,  73,   8,   8]])"""df.dtypes"""语文        int32数学        int32英语        int32python    int32dtype: object"""

    2. 信息统计和描述info(), describe()

    • info() 方法提供了关于 DataFrame 的详细信息，包括每列的非空值数量、数据类型等.
    • describe() 方法生成关于 DataFrame 中数值列的统计摘要，包括均值、标准差、最小值、最大值等。

      df.info()"""Index: 5 entries, 张三 to 田七Data columns (total 4 columns): #   Column  Non-Null Count  Dtype---  ------  --------------  ----- 0   语文      5 non-null      int32 1   数学      5 non-null      int32 2   英语      5 non-null      int32 3   python  5 non-null      int32dtypes: int32(4)memory usage: 120.0+ bytes"""df.describe()

      	语文	数学	英语	python
      count	5.000000	5.000000	5.0000	5.000000
      mean	77.800000	83.600000	38.4000	63.600000
      std	25.508822	30.802597	31.2458	42.335564
      min	51.000000	41.000000	5.0000	8.000000
      25%	55.000000	73.000000	8.0000	31.000000
      50%	78.000000	83.000000	42.0000	78.000000
      75%	94.000000	96.000000	64.0000	94.000000
      max	111.000000	125.000000	73.0000	107.000000

      DataFrame的索引与切片

      1.对列进行索引

      - 通过类似字典的方式- 通过属性的方式

      可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引，且name属性也已经设置好了，就是相应的列名。

      df

      	语文	数学	英语	python
      张三	94	83	73	107
      李四	111	41	64	94
      王五	55	125	42	31
      赵六	51	96	5	78
      田七	78	73	8	8

      # 类似字典的key的方式. dict[key]# dataframe中取出一列数据, 返回的是Series. df['语文']"""张三     94李四    111王五     55赵六     51田七     78Name: 语文, dtype: int32"""# 通过属性的写法, 不用加引号. df.数学"""张三     83李四     41王五    125赵六     96田七     73Name: 数学, dtype: int32"""# 这两种方法有什么区别?# 属性写法, 不能用来创建新的一列. # df.音乐 = = np.random.randint(0, 300, size=(5,))  执行异常!# 字典的写法是可以新建了一列数据df['理综'] = np.random.randint(0, 300, size=(5,))df

      	语文	数学	英语	python	理综
      张三	94	83	73	107	13
      李四	111	41	64	94	117
      王五	55	125	42	31	203
      赵六	51	96	5	78	23
      田七	78	73	8	8	168

      2. 对行进行索引

      • 使用.loc[] 加index来进行行索引
      • 使用.iloc[] 加整数来进行行索引

        同样返回一个Series，index为原来的columns。

        # 通过行标签选择单行df.loc['张三']"""语文         94数学         83英语         73python    107理综         13Name: 张三, dtype: int32"""# 通过位置索引选择单行df.iloc[2]"""语文         55数学        125英语         42python     31理综        203Name: 王五, dtype: int32"""# 通过位置索引范围选择多行; 注意是左闭右开df.iloc[0:3] # 返回的是DataFrame

        	语文	数学	英语	python	理综
        张三	94	83	73	107	13
        李四	111	41	64	94	117
        王五	55	125	42	31	203

        3.对元素索引的方法

        • 使用列索引 - 使用行索引(iloc[3,1]相当于两个参数;iloc[[3,3]] 里面的[3,3]看做一个参数)

          df['数学']['张三'] # 83 效率低，需要两次索引操作；先找列索引'数学'，在找行索引'张三'df['数学'].loc['张三'] # 83； 效率低，需要两次索引操作# 推荐写法. 查找元素的时候先行后列； 效率高，只进行一次索引df.loc['张三', '数学'] # 83# 隐式写法. 也是先行后列df.iloc[0, 1]  # 83

          4.切片

          # 行切片, 显式切片是全闭区间.df.loc['张三': '王五']

          	语文	数学	英语	python	理综
          张三	94	83	73	107	13
          李四	111	41	64	94	117
          王五	55	125	42	31	203

          # 隐式行切片, 左闭右开. df.iloc[0:2]

          	语文	数学	英语	python	理综
          张三	94	83	73	107	13
          李四	111	41	64	94	117

          # 列切片, 直接中括号进行切片. 是对行进行的切片. # df['语文': '英语'] 异常! 因为行没有对应的标签# 对列进行切片的时候, 也要先行后列. df.loc[:, '语文': '英语'] # : 表示拿所有行

          	语文	数学	英语
          张三	94	83	73
          李四	111	41	64
          王五	55	125	42
          赵六	51	96	5
          田七	78	73	8

          df.iloc[:, 0: 2] # 左闭右开

          	语文	数学
          张三	94	83
          李四	111	41
          王五	55	125
          赵六	51	96
          田七	78	73

          df[['语文', '英语']] 

          	语文	英语
          张三	94	73
          李四	111	64
          王五	55	42
          赵六	51	5
          田七	78	8

          # 布尔索引: 选择满足条件的行数据df[df['语文'] > 90]

          	语文	数学	英语	python	理综
          张三	94	83	73	107	13
          李四	111	41	64	94	117