Pandas 数据结构 - DataFrame

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

DataFrame 特点：

• 列和行： DataFrame 由多个列组成，每一列都有一个名称，可以看作是一个 Series 。同时， DataFrame 有一个行索引，用于标识每一行。

• 二维结构： DataFrame 是一个二维表格，具有行和列。可以将其视为多个 Series 对象组成的字典。

• 列的数据类型： 不同的列可以包含不同的数据类型，例如整数、浮点数、字符串等。

DataFrame 构造方法如下：

				pandas.DataFrame( data, index, columns, dtype, copy)
			

参数说明：

• data ：一组数据(ndarray、series, map, lists, dict 等类型)。

• index ：索引值，或者可以称为行标签。

• columns ：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。

• dtype ：数据类型。

• copy ：拷贝数据，默认为 False。

Pandas DataFrame 是一个二维的数组结构，类似二维数组。

输出结果如下：

以下实例使用 ndarrays 创建，ndarray 的长度必须相同， 如果传递了 index，则索引的长度应等于数组的长度。如果没有传递索引，则默认情况下，索引将是range(n)，其中n是数组长度。

ndarrays 可以参考： NumPy Ndarray 对象

输出结果如下：

从以上输出结果可以知道， DataFrame 数据类型一个表格，包含 rows（行） 和 columns（列）：

还可以使用字典（key/value），其中字典的 key 为列名:

输出结果为：

				a   b     c
0  1   2   NaN
1  5  10  20.0
			

没有对应的部分数据为 NaN 。

Pandas 可以使用 loc 属性返回指定行的数据，如果没有设置索引，第一行索引为 ，第二行索引为 1 ，以此类推：

输出结果如下：

				calories    420
duration     50
Name: 0, dtype: int64
calories    380
duration     40
Name: 1, dtype: int64
			

注意： 返回结果其实就是一个 Pandas Series 数据。

也可以返回多行数据，使用 [[ ... ]] 格式， ... 为各行的索引，以逗号隔开：

输出结果为：

				calories  duration
0       420        50
1       380        40
			

注意： 返回结果其实就是一个 Pandas DataFrame 数据。

我们可以指定索引值，如下实例：

输出结果为：

				calories  duration
day1       420        50
day2       380        40
day3       390        45
			

Pandas 可以使用 loc 属性返回指定索引对应到某一行：

输出结果为：

				calories    380
duration     40
Name: day2, dtype: int64
			

更多 DataFrame 说明

基本操作：

				# 获取列
name_column = df['Name']
# 获取行
first_row = df.loc[0]
# 选择多列
subset = df[['Name', 'Age']]
# 过滤行
filtered_rows = df[df['Age'] > 30]
			

属性和方法：

				# 获取列名
columns = df.columns
# 获取形状（行数和列数）
shape = df.shape
# 获取索引
index = df.index
# 获取描述统计信息
stats = df.describe()
			

数据操作：

				# 添加新列
df['Salary'] = [50000, 60000, 70000]
# 删除列
df.drop('City', axis=1, inplace=True)
# 排序
df.sort_values(by='Age', ascending=False, inplace=True)
# 重命名列
df.rename(columns={'Name': 'Full Name'}, inplace=True)

从外部数据源创建 DataFrame：

					# 从CSV文件创建 DataFrame
df_csv = pd.read_csv('example.csv')
# 从Excel文件创建 DataFrame
df_excel = pd.read_excel('example.xlsx')
# 从字典列表创建 DataFrame
data_list = [{'Name': 'Alice', 'Age': 25}, {'Name': 'Bob', 'Age': 30}]
df_from_list = pd.DataFrame(data_list)
				

注意事项：

• DataFrame 是一种灵活的数据结构，可以容纳不同数据类型的列。
• 列名和行索引可以是字符串、整数等。
• DataFrame 可以通过多种方式进行数据选择、过滤、修改和分析。
• 通过对 DataFrame 的操作，可以进行数据清洗、转换、分析和可视化等工作。