Pandas DataFrame
Pandas DataFrame基本操作
DataFrame是二维数据结构，即，数据以表格形式在行和列中对齐。
DataFrame的功能
潜在的列是不同类型的
大小可变
标记的轴（行和列）
可以对行和列执行算术运算
结构体
pandas.Series
Series结构如下：
让我们假设我们正在使用学生的数据创建一个数据框架。
我们可以将其视为SQL表或电子表格数据表示形式。
pandas.DataFrame
可以使用以下构造函数创建pandas DataFrame-
pandas.DataFrame( data, index, columns, dtype, copy)
参数说明：
data:数据采用各种形式，例如ndarray，系列，映射，列表，dict，常量以及另一个DataFrame。
index:对于行标签，如果没有传递索引，则用于结果帧的索引是Optional Default np.arange（n）。
columns:对于列标签，可选的默认语法为-np.arange（n）。仅当未传递索引时才如此。
dtype:每列的数据类型。
copy:如果默认值为False，则此命令（或任何它的命令）用于复制数据。
创建DataFrame
可以使用各种输入来创建pandas DataFrame-
Lists
dict
Series
Numpy ndarrays
另一个DataFrame
在本章的后续部分中，我们将看到如何使用这些输入来创建DataFrame。
创建空DataFrame
可以创建基本DataFrame是Empty Dataframe。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
df = pd.DataFrame()
print(df)
运行结果：
Empty DataFrame
Columns: []
Index: []
从Lists创建DataFrame
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
data = [1,2,3,4,5]
df = pd.DataFrame(data)
print(df)
运行结果：
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'])
print(df)
运行结果：
Name Age
0 Alex 10
1 Bob 12
2 Clarke 13
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'],dtype=float)
print df
运行结果：
Name Age
0 Alex 10.0
1 Bob 12.0
2 Clarke 13.0
注意：dtype参数将Age列的类型更改为浮点。
从ndarrays / List的Dict创建一个DataFrame
所有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。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data)
print(df)
运行结果：
Age Name
0 28 Tom
1 34 Jack
2 29 Steve
3 42 Ricky
注意：遵守值0、1、2、3。它们是使用功能范围（n）分配给每个对象的默认索引。
我们使用数组创建索引的DataFrame。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])
print(df)
运行结果：
Age Name
rank1 28 Tom
rank2 34 Jack
rank3 29 Steve
rank4 42 Ricky
注意：index参数为每行分配一个索引。
从字典列表创建DataFrame
字典列表可以作为输入数据传递以创建DataFrame。默认情况下，字典键被用作列名。
下面的示例演示如何通过传递字典列表来创建DataFrame。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print(df)
运行结果：
a b c
0 1 2 NaN
1 5 10 20.0
注意：NaN（非数字）会附加在缺失区域中。
下面的示例演示如何通过传递字典列表和行索引来创建DataFrame。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data, index=['first', 'second'])
print(df)
运行结果：
a b c
first 1 2 NaN
second 5 10 20.0
下面的示例演示如何创建包含字典，行索引和列索引的列表的DataFrame。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
# 有两个列索引，值与字典键相同
df1 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])
# 有两个列索引
df2 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b1'])
print(df1)
print(df2)
运行结果：
#df1 output
a b
first 1 2
second 5 10
#df2 output
a b1
first 1 NaN
second 5 NaN
注意：df2 DataFrame是使用除字典键以外的列索引创建的；因此，将NaN附加到位。而df1是使用与字典键相同的列索引创建的，因此添加了NaN。
从Dict Series创建DataFrame
可以传递系列字典以形成DataFrame。结果索引是所有通过的系列索引的并集。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df)
运行结果：
one two
a 1.0 1
b 2.0 2
c 3.0 3
d NaN 4
对于第一个系列，没有传递标签'd'，但是结果是，对于d标签，NaN附加了NaN。
现在让我们通过示例了解列的选择，添加和删除。
列查询
我们将从DataFrame中选择一列来了解这一点。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df ['one'])
运行结果：
a 1.0
b 2.0
c 3.0
d NaN
Name: one, dtype: float64
列添加
我们将通过在现有数据框中添加新列来了解这一点。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
# Adding a new column to an existing DataFrame object with column label by passing new series
print ("Adding a new column by passing as Series:")
df['three']=pd.Series([10,20,30],index=['a','b','c'])
print df
print ("Adding a new column using the existing columns in DataFrame:")
df['four']=df['one']+df['three']
print(df)
运行结果：
Adding a new column by passing as Series:
one two three
a 1.0 1 10.0
b 2.0 2 20.0
c 3.0 3 30.0
d NaN 4 NaN
Adding a new column using the existing columns in DataFrame:
one two three four
a 1.0 1 10.0 11.0
b 2.0 2 20.0 22.0
c 3.0 3 30.0 33.0
d NaN 4 NaN NaN
列删除
可以删除或弹出列；让我们以一个例子来了解如何。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']),
'three' : pd.Series([10,20,30], index=['a','b','c'])}
df = pd.DataFrame(d)
print ("Our dataframe is:")
print(df)
# using del function
print ("Deleting the first column using del function:")
del df['one']
print(df)
# using pop function
print ("Deleting another column using POP function:")
df.pop('two')
print(df)
运行结果：
Our dataframe is:
one three two
a 1.0 10.0 1
b 2.0 20.0 2
c 3.0 30.0 3
d NaN NaN 4
Deleting the first column using del function:
three two
a 10.0 1
b 20.0 2
c 30.0 3
d NaN 4
Deleting another column using POP function:
three
a 10.0
b 20.0
c 30.0
d NaN
行查询、添加和删除
现在，我们将通过示例了解行的选择，添加和删除。让我们从选择的概念开始。
按标签查询
可以通过将行标签传递给loc函数来选择行。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df.loc['b'])
运行结果：
one 2.0
two 2.0
Name: b, dtype: float64
结果是一系列带有标签作为DataFrame列名称的系列。并且，系列的名称是用来检索它的标签。
通过整数位置查询
结可以通过将整数位置传递给iloc函数来选择行。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df.iloc[2])
运行结果：
one 3.0
two 3.0
Name: c, dtype: float64
切片行
可以使用'：'运算符选择多行。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df[2:4])
运行结果：
添加行
使用append函数将新行添加到DataFrame中。此函数将在末尾追加行。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
df = df.append(df2)
print(df)
运行结果：
a b
0 1 2
1 3 4
0 5 6
1 7 8
删除行
使用索引标签从DataFrame中删除或删除行。如果标签重复，则将删除多行。
如果您观察到，在上面的示例中，标签是重复的。让我们删除一个标签，将看到将删除多少行。
# Filename : pandas.py
# author by : www.lidihuo.com
# 导入pandas依赖包并起别名
import pandas as pd
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
df = df.append(df2)
# Drop rows with label 0
df = df.drop(0)
print(df)
运行结果：
在上面的示例中，删除了两行，因为这两行包含相同的标签0。
