一、DataFrame簡介
- 一個表型格數的、據結構,包含有一組有序的列,每列可以是不同的值類型(數值、字元串布爾型等),DataFrame即有行索引也有列索引,可以被看做是由Series組成的字典。
二、DataFrame建立
- DataFrame可以使用數組,清單和字典等方式進行建立
- 當DataFrame數組和清單建立時,可指定參數index(行索引)和columns(列索引),如果不指定,預設用0的清單為序列号
- 建立後的DataFrame,亦可修改行列參數
import pandas as pd
a = pd.DataFrame(
[
['小紅', '小花', '小蘭'],
[85, 93, 99]
])
b = pd.DataFrame(
[
['小紅', 85],
['小花', 93],
['小蘭', 99]
], columns=['姓名', '成績']
)
data = {
'apart': ['101', '102', '103', '104'],
'profits': [681.5, 125, 15.5, 160],
'year': [2007, 2010, 2012, 2008],
'months': 8
}
c = pd.DataFrame(data, index=['one', 'two', 'three', 'four'])
print("普通清單建立:
", a)
print("帶列名的建立:
", b)
print("字典方式建立:
", c)
>>>
普通清單建立:
0 1 2
0 小紅 小花 小蘭
1 85 93 99
帶列名的建立:
姓名 成績
0 小紅 85
1 小花 93
2 小蘭 99
字典方式建立:
apart months profits year
one 101 8 681.5 2007
two 102 8 125.0 2010
three 103 8 15.5 2012
four 104 8 160.0 2008
三、DataFrame查詢
DataFrame可以直接通過列索引名,檢視或修改整列值
如果想通過行索引名查詢的話,需要借助ix('行索引名')
import pandas as pd
data = {
'apart': ['101', '102', '103', '104'],
'profits': [681.5, 125, 15.5, 160],
'year': [2007, 2010, 2012, 2008],
'months': 8
}
c = pd.DataFrame(data, index=['one', 'two', 'three', 'four'])
print("列索引:
", c['year'])
print("行索引:
", c.ix['three'])
>>>
列索引:
one 2007
two 2010
three 2012
four 2008
Name: year, dtype: int64
行索引:
apart 103
months 8
profits 15.5
year 2012
Name: three, dtype: object
四、資料過濾
- dropna:丢棄(删除)有NaN的行, 可以通過門檻值(how參數)的調節對缺失值的容忍度
- fillna:用指定值或者插值的方式填充缺失資料,比如: ffill或者bfill
- isnull:傳回一個含有布爾值的對象,這些布爾值表示那些值是缺失值NA
- notnull:傳回布爾值對象,非空位為True
############這裡示範一個特殊的填充方式############
import pandas as pd
import numpy as np
a = pd.DataFrame(np.random.rand(7, 3))
a.ix[:4, 1] = np.NaN
a.ix[:2, 2] = np.NaN
a=a.fillna({1: 0.5, 2: -1, 3: 2})#按照列索引進行填充
print(a)
>>>
0 1 2
0 0.467758 0.500000 -1.000000
1 0.436149 0.500000 -1.000000
2 0.917665 0.500000 -1.000000
3 0.473428 0.500000 0.113061
4 0.703225 0.500000 0.090117
5 0.926495 0.962959 0.005762
6 0.414894 0.753270 0.243547
程序已結束,退出代碼0
五、DataFrame運算
DataFrame也保留了大量Numpy的運算機制,它們在DataFrame中均可以使用。
DataFrame中預設是按照列索引進行計算的,如果要按照行索引計算,需要在方法後面設定次元參數axis=1
import pandas as pd
a = pd.DataFrame(
[
[98.5, 89.5, 88.5],
[98.5, 85.5, 80.0],
[70.0, 85.0, 60.0],
[80.0, 85.0, 82.0]
], columns=['國文', '數學', '英語']
)
print("原數組:
", a)
print("統計結果:
", a.describe())
>>>
統計結果:
國文 數學 英語
count 4.000000 4.000000 4.000000
mean 86.750000 86.250000 77.625000
std 14.168627 2.179449 12.297527
min 70.000000 85.000000 60.000000
25% 77.500000 85.000000 75.000000
50% 89.250000 85.250000 81.000000
75% 98.500000 86.500000 83.625000
max 98.500000 89.500000 88.500000