【01】DataFrame的创建和属性

DataFrame是一个表格型的数据结构，可以看成就是excel中的表格。

官方文档：https://pandas.pydata.org/docs/reference/frame.html

DataFrame的创建

DataFrame构造方法如下：

pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

• data：DataFrame的数据部分，可以是字典、二维数组、Series、DataFrame或其他可转换为DataFrame的对象，若不提供此参数，则创建一个空的DataFrame。
• index：DataFrame的行索引，用于标识每行数据，可以是列表、数组、索引对象等，若不提供此参数，则创建一个默认的整数索引。
• columns：DataFrame的列索引，用于标识每列数据。可以是列表、数组、索引对象等，若不提供此参数，则创建默认的整数索引。
• dtype：指定DataFrame的数据类型，可以是NumPy的数据类型，例如np.int64、np.float64等，若不提供此参数，则根据数据自动推断数据类型。
• copy：是否复制数据，默认为False，表示不复制数据，若设置为True，则复制输入的数据。

一维列表创建DataFrame

import pandas as pd # 例1:单个列表创建 data = ["张三", "李四", "王五", "赵六"] df = pd.DataFrame(data=data) df

二维列表创建DataFrame

import pandas as pd # 例2:二维列表创建DataFrame，设置列索引 data =[['Alex',10], ['Bob', 12], ['clarke', 13]] df = pd.DataFrame(data=data, columns=['Name', 'Age']) df

传递字典创建DataFrame

import pandas as pd # 使用默认的行索引，注意:传入字典时字典的KEY成了列索引 data = {'Name': ['Tom', 'Jack', 'steve', 'Ricky'], 'Age': [28, 34, 29, 42]} df = pd.DataFrame(data) print(df) print("*" * 50) # 设置了行索引 data = {'Name': ['Tom', 'Jack', 'steve', 'Ricky'], 'Age': [28, 34, 29, 42]} df = pd.DataFrame(data, index=['rank1', 'rank2', 'rank3', 'rank4']) print(df)

传递字典列表创建DataFrame

import pandas as pd data = [{'姓名': '张三', '性别': '男'}, {'姓名': '小红', '性别': '女', '语文': 80}] # 传递字典列表来创建DataFrame df = pd.DataFrame(data) print(df) print('*' * 50) # 传递字典列表和行索引来创建DataFrame df = pd.DataFrame(data, index=['first', 'second']) print(df) print('*' * 50) # 指定的列索引与字典键相同 df = pd.DataFrame(data, index=['first', 'second'], columns=['姓名', '性别']) print(df) print('*' * 50) # 指定的列索引,其中一个索引具有其他名称 df = pd.DataFrame(data, index=['first', 'second'], columns=['姓名', '班级']) print(df)

通过Series对象创建

import pandas as pd df1 = pd.Series({'california': 423967, 'Texas': 695662, 'New York': 141297, 'Florida': 170312, 'Illinois': 149995}) df2 = pd.Series({'california': 383521, 'Texas': 264193, 'New York': 191127, 'Florida': 195860, 'Illinois': 122135}) # 创建单列的DataFrame df = pd.DataFrame(df1, columns=['area']) print(df) print("*" * 50) # 创建多列的DataFrame对象 df = pd.DataFrame({'area': df1, 'population': df2}) print(df)

通过Numpy创建 

import pandas as pd import numpy as np a = np.random.randint(1, 10, (3, 2)) # 基于a数组建立DataFrame df = pd.DataFrame(a, columns=['foo', 'bar'], index=['a', 'b', 'c']) print(df)

DataFrame的属性

dataframe.T

df.T属性主要用来转置行和列，和 df.transpose() 实现的效果一样。

import pandas as pd import numpy as np a = np.random.randint(1, 10, (3, 2)) # 基于a数组建立DataFrame df = pd.DataFrame(a, columns=['foo', 'bar'], index=['a', 'b', 'c']) print(df) print("*" * 50) print(df.T)

dataframe.axes

返回包含行索引和列索引的列表，可以通过 df.axes[0].tolist() 或 list(df.axes[0]) 转成行索引列表，列索引列表同理。

import pandas as pd
import numpy as np

a = np.random.randint(1, 10, (3, 2))
# 基于a数组建立DataFrame
df = pd.DataFrame(a, columns=['foo', 'bar'], index=['a', 'b', 'c'])
print(df)
print("*" * 50)
print(df.axes)  # [Index(['a', 'b', 'c'], dtype='object'), Index(['foo', 'bar'], dtype='object')]
print(df.axes[0].tolist())  # ['a', 'b', 'c']
print(list(df.axes[0]))  # ['a', 'b', 'c']

dataframe.dtypes

查看每列的数据类型。

import pandas as pd import numpy as np a = np.random.randint(1, 10, (3, 2)) # 基于a数组建立DataFrame df = pd.DataFrame(a, columns=['foo', 'bar'], index=['a', 'b', 'c']) print(df) print("*" * 50) print(df.dtypes)

dataframe.ndim

获取DataFrame的维数。

import pandas as pd
import numpy as np

a = np.random.randint(1, 10, (3, 2))
# 基于a数组建立DataFrame
df = pd.DataFrame(a, columns=['foo', 'bar'], index=['a', 'b', 'c'])
print(df)
print("*" * 50)
print(df.ndim)  # 2

dataframe.shape

获取DataFrame的行数和列数，是一个元组。

import pandas as pd
import numpy as np

a = np.random.randint(1, 10, (3, 2))
# 基于a数组建立DataFrame
df = pd.DataFrame(a, columns=['foo', 'bar'], index=['a', 'b', 'c'])
print(df)
print("*" * 50)
print(df.shape)  # (3, 2)

dataframe.size

返回DataFrame中的元素个数。

import pandas as pd
import numpy as np

a = np.random.randint(1, 10, (3, 2))
# 基于a数组建立DataFrame
df = pd.DataFrame(a, columns=['foo', 'bar'], index=['a', 'b', 'c'])
print(df)
print("*" * 50)
print(df.size)  # 6

dataframe.values

返回一个所有行数据组成的二维的数组，每个元素是一个一维数组（也就是一行数据），可以通过 list(df.values) 或 df.values.tolist() 转成python的列表类型。

import pandas as pd
import numpy as np

a = np.random.randint(1, 10, (3, 2))
# 基于a数组建立DataFrame
df = pd.DataFrame(a, columns=['foo', 'bar'], index=['a', 'b', 'c'])
print(df)
print("*" * 50)
print(df.values)  # [[8 6] [3 3] [8 7]]
print(list(df.values))  # [array([8, 6], dtype=int32), array([3, 3], dtype=int32), array([8, 7], dtype=int32)]
print(df.values.tolist())  # [[8, 6], [3, 3], [8, 7]]

dataframe.index

获取行索引，返回的是Index类型，可以通过 list(df.index) 或 df.index.tolist() 转换成列表。

import pandas as pd
import numpy as np

a = np.random.randint(1, 10, (3, 2))
df = pd.DataFrame(a, columns=['foo', 'bar'], index=['a', 'b', 'c'])
print(df)
print("*" * 50)
print(df.index)  # Index(['a', 'b', 'c'], dtype='object')
print(df.index.values)  # ['a' 'b' 'c']
print(list(df.index))  # ['a', 'b', 'c']
print(df.index.tolist())  # ['a', 'b', 'c']

dataframe.columns

获取列索引，返回的是Index类型，可以通过 list(df.columns) 或 df.columns.tolist() 转换成列表。

import pandas as pd
import numpy as np

a = np.random.randint(1, 10, (3, 2))
df = pd.DataFrame(a, columns=['foo', 'bar'], index=['a', 'b', 'c'])
print(df)
print("*" * 50)
print(df.columns)  # Index(['foo', 'bar'], dtype='object')
print(df.columns.values)  # ['foo' 'bar']，可用 df.columns.values.tolist() 转换成列表
print(list(df.columns))  # ['foo', 'bar']
print(df.columns.tolist())  # ['foo', 'bar']