Pandas詳解二之DataFrame對象

約定

import pandas as pd
from pandas import DataFrame
import numpy as np
           

DataFrame

DataFrame是一個表格型的資料結構，既有行索引（儲存在index）又有列索引（儲存在columns）。

一、DataFrame對象常用屬性：

• 建立DateFrame方法有很多（後面再介紹），最常用的是直接傳入一個由等長清單或Numpy組成的字典：

dict1={"Province":["Guangdong","Beijing","Qinghai","Fujiang"],
      "year":[]*,
      "pop":[,,,]}
df1=DataFrame(dict1)
df1
           

代碼結果：

Province	pop	year
Guangdong	1.3	2018
1	Beijing	2.5	2018
2	Qinghai	1.1	2018
3	Fujiang	0.7	2018

• 同Series一樣，也可在建立時指定序列（對于字典中缺失的用NaN）：

df2=DataFrame(dict1,columns=['year','Province','pop','debt'],index=['one','two','three','four'])
df2
           

代碼結果：

year	Province	pop	debt
one	2018	Guangdong	1.3	NaN
two	2018	Beijing	2.5	NaN
three	2018	Qinghai	1.1	NaN
four	2018	Fujiang	0.7	NaN

• 同Series一樣，DataFrame的index和columns有name屬性：

df2
           

代碼結果：

year	Province	pop	debt
one	2018	Guangdong	1.3	NaN
two	2018	Beijing	2.5	NaN
three	2018	Qinghai	1.1	NaN
four	2018	Fujiang	0.7	NaN

df2.index.name='English'
df2.columns.name='Province'
df2
           

代碼結果：

Province	year	Province	pop	debt
English
one	2018	Guangdong	1.3	NaN
two	2018	Beijing	2.5	NaN
three	2018	Qinghai	1.1	NaN
four	2018	Fujiang	0.7	NaN

• 通過shape屬性擷取DataFrame的行數和列數：

df2.shape
           

代碼結果：

(4, 4)
           

• values屬性也會以二維ndarray的形式傳回DataFrame的資料：

df2.values
           

代碼結果：

array([[2018, 'Guangdong', 1.3, nan],
       [2018, 'Beijing', 2.5, nan],
       [2018, 'Qinghai', 1.1, nan],
       [2018, 'Fujiang', 0.7, nan]], dtype=object)
           

• 列索引會作為DataFrame對象的屬性：

df2.Province
           

代碼結果：

English
one      Guangdong
two        Beijing
three      Qinghai
four       Fujiang
Name: Province, dtype: object
           

二、DataFrame對象常見存取、指派和删除方式：

• DataFrame_object[ ] 能通過列索引來存取，當隻有一個标簽則傳回Series，多于一個則傳回DataFrame：

df2['Province']
           

代碼結果： English one Guangdong two Beijing three Qinghai four Fujiang Name: Province, dtype: object

df2[['Province','pop']]
           

代碼結果：

Province	Province	pop
English
one	Guangdong	1.3
two	Beijing	2.5
three	Qinghai	1.1
four	Fujiang	0.7

• DataFrame_object.loc[ ] 能通過行索引來擷取指定行：

df2.loc['one']
           

代碼結果：

Province
year             2018
Province    Guangdong
pop               1.3
debt              NaN
Name: one, dtype: object
           

df2.loc['one':'three']
           

代碼結果：

Province	year	Province	pop	debt
English
one	2018	Guangdong	1.3	NaN
two	2018	Beijing	2.5	NaN
three	2018	Qinghai	1.1	NaN

• 還可以擷取單值：

df2.loc['one','Province']
           

代碼結果：

'Guangdong'
           

• DataFrame的列可以通過指派（一個值或一組值）來修改：

df2["debt"]=np.arange(,,)
df2
           

代碼結果：

Province	year	Province	pop	debt
English
one	2018	Guangdong	1.3	2.00
two	2018	Beijing	2.5	2.25
three	2018	Qinghai	1.1	2.50
four	2018	Fujiang	0.7	2.75

• 為不存在的列指派會建立一個新的列，可通過del來删除：

df2['eastern']=df2.Province=='Guangdong'
df2
           

代碼結果：

Province	year	Province	pop	debt	eastern
English
one	2018	Guangdong	1.3	2.00	True
two	2018	Beijing	2.5	2.25	False
three	2018	Qinghai	1.1	2.50	False
four	2018	Fujiang	0.7	2.75	False

del df2['eastern']
df2.columns
           

代碼結果：

Index(['year', 'Province', 'pop', 'debt'], dtype='object', name='Province')
           

• 當然，還可以轉置：

df2.T
           

English	one	two	three	four
Province
year	2018	2018	2018	2018
Province	Guangdong	Beijing	Qinghai	Fujiang
pop	1.3	2.5	1.1	0.7
debt	2	2.25	2.5	2.75

三、多種建立DataFrame方式

• 調用DataFrame()可以将多種格式的資料轉換為DataFrame對象，它的的三個參數data、index和columns分别為資料、行索引和列索引。data可以是：

1 二維數組

df3=pd.DataFrame(np.random.randint(,,(,)),index=[,,,],columns=['A','B','C','D'])
df3
           

代碼結果：

A	B	C	D
1	9	8	4	6
2	5	7	7	4
3	6	3	2
4	4	6	9	8

2 字典

行索引由index決定，列索引由字典的鍵決定

dict1
           

代碼結果：

{'Province': ['Guangdong', 'Beijing', 'Qinghai', 'Fujiang'],
 'pop': [1.3, 2.5, 1.1, 0.7],
 'year': [2018, 2018, 2018, 2018]}
           

df4=pd.DataFrame(dict1,index=[,,,])
df4
           

代碼結果：

Province	pop	year
1	Guangdong	1.3	2018
2	Beijing	2.5	2018
3	Qinghai	1.1	2018
4	Fujiang	0.7	2018

3 結構數組

其中列索引由結構數組的字段名決定

arr=np.array([('item1',),('item2',),('item3',),('item4',)],dtype=[("name","10S"),("count",int)])
df5=pd.DataFrame(arr)
df5
           

代碼結果：

name	count
b’item1’	10
1	b’item2’	20
2	b’item3’	30
3	b’item4’	40

• 此外可以調用from_開頭的類方法，将特定的資料轉換為DataFrame對象。例如from_dict()，其orient參數指定字典鍵對應的方向，預設為”columns”:

dict2={"a":[,,],"b":[,,]}
df6=pd.DataFrame.from_dict(dict2)
df6
           

代碼結果：

a	b
1	4
1	2	5
2	3	6

df7=pd.DataFrame.from_dict(dict2,orient="index")
df7
           

代碼結果：

1	2
a	1	2	3
b	4	5	6

四、将DataFrame對象轉換為其他格式的資料

• to_dict()方法将DataFrame對象轉換為字典，參數orient決定字典元素的類型：

df7.to_dict()
           

代碼結果：

{0: {'a': 1, 'b': 4}, 1: {'a': 2, 'b': 5}, 2: {'a': 3, 'b': 6}}
           

df7.to_dict(orient="records")
           

代碼結果：

[{0: 1, 1: 2, 2: 3}, {0: 4, 1: 5, 2: 6}]
           

df7.to_dict(orient="list")
           

代碼結果：

{0: [1, 4], 1: [2, 5], 2: [3, 6]}
           

• 類似的還有to_records()、to_csv()等

謝謝大家的浏覽，

希望我的努力能幫助到您，

共勉！