目录
简介:
本片文章我们来介绍pandas的另一个数据类型DataFrame
DataFrame是一个二维标记数据结构,其中包含可能不同类型的列。您可以将其视为电子表格或SQL表,或者Series对象的字典。它通常是最常用的pandas对象。与Series一样,DataFrame接受许多不同类型的输入:
一维ndarray,列表,字典,或字典的Series
二维numpy.ndarray
结构化或记录数组
一个Series
其他DataFrame等
除了数据之外,您还可以选择传递索引(行标签)和列(列标签)参数。如果您传递索引和/或列,则可以保证生成的DataFrame的索引和/或列。因此,Series的字典加上特定索引将丢弃所有与传递的索引不匹配的数据。如果未传递轴标签,他们将根据常识规则从输入数据构建。
一,1.1来自Series字典或字典
生成的索引将是各个系列的索引的并集。如果有任何嵌套字典他们将首先转化为系列。如果每日有传递列,则列将是字典键的有序列表。
可以通过访问index喝columns属性来分别访问行和列 标签:
1.2 来自ndarray或者列表的字典:
ndarray的长度必须相同。如果传递索引,他也必须与数组的长度相同,如果没有传递索引,结果将为range(n),n为数组长度。
1.3来自结构化或记录数组;
这种情况的处理方式与数组字典相同
1.4来自字典列表:
1.4来自元组的字典:
可以通过传递元组字典来自动创建MultiIndexed frame
1.5 来自Series
结果将是一个与输入Series具有相同索引的DataFrame,并且其中一列的名称是Series的原始名称(仅当 为提供其他列名称时)
二,代替构造函数:
2.1DataFrame.from_dict
DataFrame.from_dict()接受一个字典或一个近似数组序列的字典并返回一个DataFrame。他的操作类似于DataFrame构造函数,除了默认 orient参数是columns之外,还可以设置该参数index使用字典键作为行标签。
通过orient='index' 键将是行标签。在这种情况下,还可以传递所需列的名称。
2.2DataFrame.from_records
DataFrame.from_records()接收元组列表或具有结构化数据类型的ndarray。他的工作方式与普通DataFrame构造函数类似,只是生成的DataFrame 索引可能是结构化数据类型的特定字段。
三,列表的选择,删除,添加
可以将DataFrame语义视为相似索引Series对象的字典。获取设置和删除列的语法与类似的dict操作相同
也可以像字典一样删除或弹出列:
当插入标量值时,他自然会传播以填充列:
当插入与Series不具有相同索引的DataFrame时,他将符合DataFrame的索引
四,在方法链中分配新列
DataFrame中有一种assign()方法可以轻松创建可能从现有列派生的新列
在上面的示例中,我们插入了一个预先计算的值。我们还可以传入一个只有一个参数的函数,以便在分配给的DataFrame上进行计算。
assign()始终返回数据的副本,保持原始的DataFrame不变。
五,索引
选择 | 语法 | 结果 |
选择列 | df[col] | Series |
按标签选择行 | df.loc[label] | Series |
按整数位置选择行 | df.iloc[loc] | Series |
切片行 | df[5:10] | DataFrame |
通过布尔向量选择行 | df[bool_vec] | DataFrame |
例如,行选择返回一个Series,其索引是DataFrame的列
六,数据对齐:
对象之间的数据对齐会在列和索引DataFrame上自动对齐,同样,生成的对象将具有列标签和行标签的并集
DataFrame和Series之间执行操作时,默认行为是对齐列上的索引,从而按行广播,