pd.DataFrame知识

pd.DataFrame是pandas库中用于处理二维数据结构（表格型数据）的一个重要类。以下是关于它的详细介绍：

一、创建 DataFrame 对象

1. 从列表创建
   • 可以使用一个嵌套的列表来创建DataFrame。例如：

     import pandas as pd
     data = [['Alice', 25], ['Bob', 30]]
     df = pd.DataFrame(data, columns=['Name', 'Age'])

     在这个例子中，data是一个包含两个子列表的列表，每个子列表代表一行数据。columns参数用于指定列名，这样就创建了一个具有两列（Name和Age）的DataFrame。

2.  从字典创建        
   • 使用字典来创建DataFrame是一种很常见的方式。字典的键将成为列名，值为对应的列数据。例如：

     data_dict = {'Name': ['Charlie', 'David'], 'Age': [35, 40]}
     df = pd.DataFrame(data_dict)

     这里的data_dict字典有两个键Name和Age，每个键对应一个包含两个元素的列表，用于创建一个包含两行两列的DataFrame。

3. 读取外部数据创建

   • pandas支持从多种文件格式（如 CSV、Excel、SQL 数据库等）读取数据并创建DataFrame。以读取 CSV 文件为例：

     df = pd.read_csv('data.csv')

     假设data.csv文件存在于当前目录下，read_csv函数会读取文件内容并将其转换为DataFrame对象。

二、DataFrame 的基本属性和方法

1. 属性
   • shape属性：返回一个元组，表示DataFrame的行数和列数。例如df.shape将返回(行数, 列数)。
   • columns属性：返回列名的索引对象。可以通过df.columns查看列名列表，并且可以对其进行修改来重命名列。
   • index属性：返回行索引对象。默认情况下，行索引是从 0 开始的整数序列，但可以根据需要进行设置和修改。
2. 方法
   • head()和tail()方法：用于查看DataFrame的前几行（head()）和后几行（tail()）数据。例如df.head(3)会返回DataFrame的前三行，这在快速查看数据结构时非常有用。
   • describe()方法：用于计算DataFrame中数值列的基本统计信息，如计数、均值、标准差、最小值、四分位数和最大值等。例如df.describe()会生成一个包含这些统计信息的新DataFrame。
   • sort_values()方法：用于按照指定列的值对DataFrame进行排序。例如df.sort_values(by='Age', ascending=False)会按照Age列的值对DataFrame进行降序排序。

三、数据访问和操作

1. 按列访问
   • 可以通过列名来访问DataFrame中的列。例如df['Name']将返回Name列的数据，返回的数据类型是pandas.Series。也可以通过df.Name来访问列（前提是列名是合法的 Python 变量名）。
   • 可以对列进行修改。例如df['Age'] = df['Age'] + 1会将Age列的每个元素都加 1。
2. 按行访问
   • 可以使用iloc（基于整数位置）和loc（基于标签）来访问行。例如df.iloc[0]会返回第一行数据（以Series形式），df.loc[0]在默认行索引为整数且从 0 开始的情况下也返回第一行数据。
   • 可以使用切片操作来获取多行数据。例如df.iloc[0:2]会返回前两行数据。
3. 条件筛选
   • 可以根据条件来筛选DataFrame中的数据。例如df[df['Age'] > 30]会返回Age列中大于 30 的行组成的DataFrame。

pd.DataFrame是pandas中非常强大的数据结构，在数据处理、分析和可视化等任务中都有广泛的应用。