Python 之 Pandas DataFrame 数据类型的简介、创建的列操作
短信预约 -IT技能 免费直播动态提醒
文章目录
- DataFrame 是 Pandas 的重要数据结构之一，也是在使用 Pandas 进行数据分析过程中最常用的结构之一，可以这么说，掌握了 DataFrame 的用法，你就拥有了学习数据分析的基本能力。
一、DataFrame 结构简介
- DataFrame 是一个表格型的数据结构，既有行标签（index），又有列标签（columns），它也被称异构数据表。
- 所谓异构，指的是表格中每列的数据类型可以不同，比如可以是字符串、整型或者浮点型等。其结构图示意图，如下所示：
- 表格中展示了某个销售团队个人信息和绩效评级（rating）的相关数据。数据以行和列形式来表示，其中每一列表示一个属性，而每一行表示一个条目的信息。
- 下表展示了上述表格中每一列标签所描述数据的数据类型，如下所示：
- DataFrame 的每一列数据都可以看成一个 Series 结构，只不过，DataFrame 为每列数据值增加了一个列标签。
- 因此 DataFrame 其实是从 Series 的基础上演变而来，并且他们有相同的标签，在数据分析任务中 DataFrame 的应用非常广泛，因为它描述数据的更为清晰、直观。
- 通过示例对 DataFrame 结构做进一步讲解。 下面展示了一张学生评分表，如下所示：
- 同 Series 一样，DataFrame 自带行标签索引，默认为隐式索引即从 0 开始依次递增，行标签与 DataFrame 中的数据项一一对应。上述表格的行标签从 0 到 3，共记录了 4 条数据（图中将行标签省略）。当然你也可以用“显式索引”的方式来设置行标签。
- 下面对 DataFrame 数据结构的特点做简单地总结，如下所示：
- （1） DataFrame 每一列的标签值允许使用不同的数据类型。
- （2） DataFrame 是表格型的数据结构，具有行和列。
- （3） DataFrame 中的每个数据值都可以被修改。
- （4） DataFrame 结构的行数、列数允许增加或者删除。
- （5） DataFrame 有两个方向的标签轴，分别是行标签和列标签。
- （6） DataFrame 可以对行和列执行算术运算。
二、DataFrame 对象创建
- Pandas DataFrame 是一个二维的数组结构，类似二维数组。
- DataFrame 的语法模板如下：
pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=None)其参数含义如下：
- data 表示输入的数据，可以是 ndarray，series，list，dict，标量以及一个 DataFrame。
- index 表示行标签，如果没有传递 index 值，则默认行标签是 RangeIndex(0, 1, 2, …, n)，n 代表 data 的元素个数。
- columns 表示列标签，如果没有传递 columns 值，则默认列标签是 RangeIndex(0, 1, 2, …, n)。
- dtype 表示要强制的数据类型。只允许使用一种数据类型。如果没有定义强制的数据类型，就会自行推断。
- copy 表示从输入复制数据。对于 dict 数据，copy=True，表示重新复制一份。对于 DataFrame 或 ndarray 输入，类似于 copy=False，在原数据中进行操作。
- 在开始之前，我们需要先引入 numpy 和 pandas 库。
import numpy as npimport pandas as pd1. 使用普通列表创建
- 使用 DataFrame 数据结构进行输出。
- 在这里我们并没有设置 index 和 columns，因此，他们就默认从 0 开始。
- DataFrame 不会输出数据类型。
data = [1,2,3,4,5]df = pd.DataFrame(data)print(df)# 0#0 1#1 2#2 3#3 4#4 5- 使用 Series 数据结构进行输出。
- Series 会输出对应的数据类型。
data = [1,2,3,4,5]df = pd.Series(data)print(df)#0 1#1 2#2 3#3 4#4 5#dtype: int642. 使用嵌套列表创建
- 列表中每个元素代表一行数据，如果我们不分配列标签，他们会默认从 0 开始进行计数。
data = [['xiaowang',20],['Lily',30],['Anne',40]]df = pd.DataFrame(data)print(df)# 0 1#0 xiaowang 20#1 Lily 30#2 Anne 40- 当我们分配列标签时，会按我们分配的进行输出。
- 这里需要注意的是，我们分配的列标签必须和列数对应。
data = [['xiaowang',20],['Lily',30],['Anne',40]]df = pd.DataFrame(data,columns=['Name','Age'])print(df)# Name Age#0 xiaowang 20#1 Lily 30#2 Anne 403 指定数值元素的数据类型为 float
- 需要注意的是，dtype 只能设置一个，设置多个列的数据类型，需要使用其他方式。
- 当我们分配列标签时，满足我们设定的数据类型会自动使用，不满足则会自动识别。
data = [['xiaowang', 20, "男", 5000],['Lily', 30, "男", 8000],['Anne', 40, "女", 10000]]df = pd.DataFrame(data,columns=['Name','Age',"gender", "salary"], dtype=int)print(df)print(df['salary'].dtype)# Name Age gender salary#0 xiaowang 20 男 5000#1 Lily 30 男 8000#2 Anne 40 女 10000#float644. 字典嵌套列表创建
- data 字典中，键对应的值的元素长度必须相同（也就是列表长度相同）。
- 如果传递了索引，那么索引的长度应该等于数组的长度；如果没有传递索引，那么默认情况下，索引将是 RangeIndex(0.1…n)，其中 n 代表数组长度。
- 这里我们需要注意的时，字典在 python 3.7 以后是有顺序的。
- 例如，我们通过字典创建 DataFrame，输出行标签和列标签。
data = {'Name':['关羽', '刘备', '张飞', '曹操'],'Age':[28,34,29,42]}df = pd.DataFrame(data)print(df)print(df.index)print(df.columns)# Name Age#0 关羽 28#1 刘备 34#2 张飞 29#3 曹操 42#RangeIndex(start=0, stop=4, step=1)#Index(['Name', 'Age'], dtype='object')- 注意：这里使用了默认行标签，也就是 RangeIndex(0.1…n)。它生成了 0,1,2,3，并分别对应了列表中的每个元素值。
5. 添加自定义的行标签
- 通过字典嵌套列表创建 DataFrame ，并定义我们的行标签，最后输出行标签和列标签。
data = {'Name':['关羽', '刘备', '张飞', '曹操'],'Age':[28,34,29,42]}index = ["rank1", "rank2", "rank3", "rank4"]df = pd.DataFrame(data, index=index)print(df)print(df.index)print(df.columns)# Name Age#rank1 关羽 28#rank2 刘备 34#rank3 张飞 29#rank4 曹操 42#Index(['rank1', 'rank2', 'rank3', 'rank4'], dtype='object')#Index(['Name', 'Age'], dtype='object')6. 列表嵌套字典创建 DataFrame 对象
- 列表嵌套字典可以作为输入数据传递给 DataFrame 构造函数。默认情况下，字典的键被用作列名。
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]df = pd.DataFrame(data, index=['first', 'second'])print(df)# a b c#first 1 2 NaN#second 5 10 20.0- 注意，如果其中某个元素值缺失，也就是字典的 key 无法找到对应的 value，将使用 NaN 代替。
- 如何使用列表嵌套字典创建一个 DataFrame 对象，可以设置结果需要那些列。
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]df1 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])df2 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b1'])print("===========df1============")print(df1)print("===========df2============")print(df2)#===========df1============# a b#first 1 2#second 5 10#===========df2============# a b1#first 1 NaN#second 5 NaN7. Series 创建 DataFrame 对象
- 也可以传递一个字典形式的 Series，从而创建一个 DataFrame 对象，其输出结果的行索引是所有 index 的合集。
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)type(np.NaN)# one two#a 1.0 1#b 2.0 2#c 3.0 3#d NaN 4#float- 注意：对于 one 列而言，此处虽然显示了行索引 ‘d’，但由于没有与其对应的值，所以它的值为 NaN。
- 当我们需要解决不同列的数据类型时，可以使用设置自定义数据类型。
data = { "Name":pd.Series(['xiaowang', 'Lily', 'Anne']), "Age":pd.Series([20, 30, 40], dtype=float), "gender":pd.Series(["男", "男", "女"]), "salary":pd.Series([5000, 8000, 10000], dtype=float)}df = pd.DataFrame(data)df# Name Agegender salary#0xiaowang 20.0 男 5000.0#1 Lily 30.0 男 8000.0#2 Anne 40.0 女 10000.0三、DataFrame 列操作
- DataFrame 可以使用列标签来完成数据的选取、添加和删除操作。下面依次对这些操作进行介绍。
1. 选取数据列
- 可以使用列索引，轻松实现数据选取。
- 我们通过字典创建 DataFrame，定义行标签，单独选取每一列并输出。
data = {'Name':['关羽', '刘备', '张飞', '曹操'],'Age':[28,34,29,42]}index = ["rank1", "rank2", "rank3", "rank4"]df = pd.DataFrame(data, index=index)print(df)print("=========df['Name']:取得Name列===============")print(df['Name'])print("=========df['Age']:取得Age列===============")print(df['Age'])# Name Age#rank1 关羽 28#rank2 刘备 34#rank3 张飞 29#rank4 曹操 42#=========df['Name']:取得Name列===============#rank1 关羽#rank2 刘备#rank3 张飞#rank4 曹操#Name: Name, dtype: object#=========df['Age']:取得Age列===============#rank1 28#rank2 34#rank3 29#rank4 42#Name: Age, dtype: int64- 我们也可以同时选取很多列。
print("=========df[['Name', 'Age']]:df选取多列===============")print(df[['Name', 'Age']])#=========df[['Name', 'Age']]:df选取多列===============# Name Age#rank1 关羽 28#rank2 刘备 34#rank3 张飞 29#rank4 曹操 42- 这里需要注意的是，列不是能使用切片选取多列。
print("=========df不能使用切片选取多列===============")print(df['Name': 'Age']) #=========df不能使用切片选取多列===============#Empty DataFrame#Columns: [Name, Age]#Index: []- 如果我直接通过标签位置去获取列，会报错。
df[1]2. 列添加
- 使用 columns 列索引标签可以实现添加新的数据列，示例如下。
- 首先，我们创建初始数据。
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 two#a 1.0 1#b 2.0 2#c 3.0 3#d NaN 4- 然后使用 df[‘列’]= 值，插入新的数据列。
print ("====通过Series添加一个新的列====:")df['three']=pd.Series([10,20,30],index=['a','b','c'])print(df)#====通过Series添加一个新的列====:# 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- 我们也可以将已经存在的数据列相加运算，从而创建一个新的列。
print ("======将已经存在的数据列相加运算,从而创建一个新的列:=======")df['four']=df['one']+df['three']print(df)#======将已经存在的数据列相加运算,从而创建一个新的列:=======# 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- 如果我们新添加的列当中出现新的行标签，就不会显示出来。
df['error']=pd.Series([10,20,30],index=['b','a','s3'])print(df)# one two three four error#a 1.0 1 10.0 11.0 20.0#b 2.0 2 20.0 22.0 10.0#c 3.0 3 30.0 33.0 NaN#d NaN 4 NaN NaN NaN3. insert() 方法添加
- 在上述示例中，我们初次使用了 DataFrame 的算术运算，这和 NumPy 非常相似。
- 除了使用 df[]=value 的方式外，您还可以使用 insert() 方法插入新的列，其语法模板如下：
df.insert(loc, column, value, allow_duplicates=False)- 其参数含义如下：
- loc 表示整型，插入索引，必须验证 0<=loc<=len（列）。
- column 表示插入列的标签，类型可以是字符串、数字或者散列对象。
- value 表示数值，必须是 Series 或者数组。
- allow_duplicates 表示是否允许重复，可以有相同的列标签数据，默认为 False。
- 具体可见如下例子，我们先生成初始数据，便于后续的操作。
info=[['王杰',18],['李杰',19],['刘杰',17]]df=pd.DataFrame(info,columns=['name','age'])print(df)# name age#0 王杰 18#1 李杰 19#2 刘杰 17- 这里需要注意的是，我们使用 column 参数。数值 1 代表插入到 columns 列表的索引位置。其中，loc 代表整型，插入索引，必须验证 0<=loc<=len（列）。
df.insert(1,column=‘score’,value=[91,90,75])
print("=====df.insert插入数据:=======")print(df)#=====df.insert插入数据:=======# name score age#0 王杰 91 18#1 李杰 90 19#2 刘杰 75 17- 当然，我们也可以添加重复列标签数据。
df.insert(1,column='score',value=[80,70,90],allow_duplicates=True)print(df)# name score score age#0 王杰 80 91 18#1 李杰 70 90 19#2 刘杰 90 75 17- 此时，如果我们单独提取出列标签是 score 的列，那么，两列就都会输出。
df['score']#scorescore#08091#17090#29075- 如果我们将 allow_duplicates 参数设置为 False，然后再插入具有相同列标签的数据，就会报错。
df.insert(1,column='score',value=[80,70,90])# 错误 cannot insert name, already exists4. 删除数据列
- 我们通过 del 和 pop() 都能够删除 DataFrame 中的数据列，但区别是，del 没有返回值，而 pop 有返回值，具体示例如下：
- 首先，我们创建初始数据，便于后面的对比操作。
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)#Our dataframe is:# 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- 我们使用 del 方法进行删除操作。
del df['one']print("=======del df['one']=========")print(df)#=======del df['one']=========# two three#a 1 10.0#b 2 20.0#c 3 30.0#d 4 NaN- 我们使用 pop 方法进行删除操作。
- 由于，pop 方法可以返回我们删除的数据，因此，在一定程度上也可以用来提取数据，但是，他也会修改我们的源数据。
res_pop = df.pop('two')print("=======df.pop('two')=========")print(df)print("=======res_pop = df.pop('two')=========")print(res_pop)#=======df.pop('two')=========# three#a 10.0#b 20.0#c 30.0#d NaN#=======res_pop = df.pop('two')=========#a 1#b 2#c 3#d 4#Name: two, dtype: int64来源地址：https://blog.csdn.net/weixin_45891612/article/details/129118246
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
