Pandas之DataFrame
一、DataFrame的创建
例1: 通过list创建
上面创建了一个2行3列的表格,创建时只指定了表格的内容(通过一个嵌套的list),没有指定列名和索引。
这时列名就自动为 0,1,2 ;索引自动为数值0,1.
我们可以指定列表和索引,如:
df = pd.DataFrame([[1,2,3],[4,5,6]],index=['row1','row2'],columns=['c1','c2','c3'])
例2:创建例子
import numpy as np dates = pd.date_range('20171001',periods=6) df = pd.DataFrame(np.random.randn(2,2) , index = dates,columns=list('ab'))
二、 DataFrame的一些基本操作
1、获取数据的行数
len(df) 或 len(df.index)
2、显示索引、列和底层的numpy数据
3、显示数据
df.head([n]) # 获取df中的前n行数据,n不指定,默认为5
df.tail([n]) # 获取df中的后n行数据,n不指定,默认为5
注意:head 和 tail 返回的是一个新的dataframe,与原来的无关
4、按照索引排序
newdf = df.sort_index(ascending=False,inplace=True)
ascending=False 参数指定按照索引值的以降序方式排序,默认是以升序排序。
inplace=True 指定为True时,表示会直接对df中的数据进行排序,函数返回值为None,newdf的值为None;
如果不设置为True(默认为false),则不会对df中数据进行修改,会返回一个新的df,这时newdf就有内容,是一个新的排序后的df。
5、添加数据
append方法可以添加数据到一个dataframe中,注意append方法不会影响原来的dataframe,会返回一个新的dataframe。
语法:
DataFrame.append(otherData, ignore_index=False, verify_integrity=False)
otherData : 添加的新数据,支持多种格式。
ignore_index :默认值为False,如果为True,会对新生成的dataframe使用新的索引(自动产生),忽略原来数据的索引。
verify_integrity : 默认值为False,如果为True,当ignore_index为False时,会检查添加的数据索引是否冲突,如果冲突,则会添加失败
6、遍历数据
示例代码如下
for index,row in df.iterrows(): print index #获取行的索引 print row.a #根据列名获取字段 print row[0]#根据列的序号(从0开始)获取字段
7、查找数据
创建如下的dataframe
dates = pd.date_range('20171001',periods=10)
df = pd.DataFrame(np.random.randn(10,4) , index = dates,columns=list('abcd'))
可以有各种方式获取df中的全部或部分数据
df['a'] #按照列名获取指定的列,返回的是一个Series,其中key是索引,value是该列对应的字段值
df[:2] #获取前2行数据,效果等同 df[0:2],返回的是一个新的dataframe
df[2:5] #获取第3行~5行 这3条记录,返回的是一个新的dataframe
df.loc['20121009'] #获取指定索引的行,等同于 df.loc['2012-10-09'],返回的是一个Series,其中key是列名,value是该列对应的字段值
df.iloc[3] #获取指定序号的行,这里是第4行
8、删除数据
del df['a'] #删除dataframe中指定的列,这个是直接影响当前的dataframe,注意 del不是函数,是python中的内置语句,没有返回值
df.drop(['a'],axis=1) #删除指定的列,与上面的区别是不会影响原来的dataframe,dop方法会返回一个删除了指定列的新的dataframe
说明,dop方法既可以删除列,也可以删除行,但上面创建的df无法被删除行(?),下面这个例子可以删除行
data = pd.DataFrame(np.arange(16).reshape((4, 4)),index=['Ohio', 'Colorado', 'Utah', 'New York'],columns=['one', 'two', 'three', 'four']) data.drop(['Colorado', 'Ohio'])
上面代码中的dop方法删除了指定索引的两行,注意同删除列一样,drop方法不会影响原来的dataframe,会返回一个删除后的新的dataframe
9、增加列
例子代码如下
dates = pd.date_range('20121001',periods=10) df = pd.DataFrame(np.random.randn(10,3) , index = dates,columns=list('abc')) df['d'] = pd.Series(np.random.randn(10),index=df.index)
上面代码先是创建了一个dataframe,然后通过df['d'] 插入了一个新的列。如果指定的列名存在,会修改列的内容。
10、修改指定行或单元格数据
df.values[i][j]= xxx #其中i是行号,j是列号,都是从0开始
df.values[1]=12 # 会把一行中的所有列中的数据设置为同一个值,这里的参数1是序号,这里为第2行数据
df['a'] = 12 #这样会把指定列的所有数据都设置为同一个值,如这里的12。注意,如果指定的列名不存在,会新增列
11、插入行
前面介绍的append方法是产生一个新的 dataframe,不会改变原来的dataframe。
那有没有办法直接在当前的frame中插入一行数据呢? 上面介绍的 df[列名] = xxx 是用来插入或修改列的信息。