查看“Pandas 数据结构 - DataFrame”的源代码
←
Pandas 数据结构 - DataFrame
跳转至:
导航
,
搜索
因为以下原因,您没有权限编辑本页:
您所请求的操作仅限于该用户组的用户使用:
用户
您可以查看与复制此页面的源代码。
==什么是DataFrame== DataFrame 是一个表格型的数据结构,它含有一组有序的列,每列可以是不同的值类型(数值、字符串、布尔型值)。DataFrame 既有行索引也有列索引,它可以被看做由 Series 组成的字典(共同用一个索引)。 [[文件:python2022102201.png|600px]] DataFrame 构造方法如下: pandas.DataFrame( data, index, columns, dtype, copy) 参数说明: *data:一组数据(ndarray、series, map, lists, dict 等类型)。 *index:索引值,或者可以称为行标签。 *columns:列标签,默认为 RangeIndex (0, 1, 2, …, n) 。 *dtype:数据类型。 *copy:拷贝数据,默认为 False。 Pandas DataFrame 是一个二维的数组结构,类似二维数组。 ==创建DataFrame== ===使用列表创建=== <nowiki> import pandas as pd data = [['Google',10],['Runoob',12],['Wiki',13]] df = pd.DataFrame(data,columns=['Site','Age'],dtype=float) print(df)</nowiki> 输出: <nowiki> Site Age 0 Google 10.0 1 Runoob 12.0 2 Wiki 13.0</nowiki> ===使用ndarrays创建=== 以下实例使用 ndarrays 创建,ndarray 的长度必须相同, 如果传递了 index,则索引的长度应等于数组的长度。如果没有传递索引,则默认情况下,索引将是range(n),其中n是数组长度。 ndarrays 可以参考:NumPy Ndarray 对象 <nowiki> import pandas as pd data = {'Site':['Google', 'Runoob', 'Wiki'], 'Age':[10, 12, 13]} df = pd.DataFrame(data) print (df)</nowiki> 输出: <nowiki> Site Age 0 Google 10.0 1 Runoob 12.0 2 Wiki 13.0 </nowiki> ===使用字典创建=== 还可以使用字典(key/value),其中字典的 key 为列名: 实例 - 使用字典创建 <nowiki>import pandas as pd data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}] df = pd.DataFrame(data) print (df)</nowiki> 输出结果为: <nowiki>a b c 0 1 2 NaN 1 5 10 20.0</nowiki> 没有对应的部分数据为 NaN。 ==DataFrame索引== ===单行索引=== Pandas 可以使用 loc 属性返回指定行的数据,如果没有设置索引,第一行索引为 0,第二行索引为 1,以此类推: 实例 <nowiki>import pandas as pd data = { "calories": [420, 380, 390], "duration": [50, 40, 45] } # 数据载入到 DataFrame 对象 df = pd.DataFrame(data) # 返回第一行 print(df.loc[0]) # 返回第二行 print(df.loc[1])</nowiki> 输出结果如下: <nowiki>calories 420 duration 50 Name: 0, dtype: int64 calories 380 duration 40 Name: 1, dtype: int64</nowiki> 注意:返回结果其实就是一个 Pandas Series 数据。 ===多行索引=== 也可以返回多行数据,使用 [[ ... ]] 格式,... 为各行的索引,以逗号隔开: 实例 <nowiki>import pandas as pd data = { "calories": [420, 380, 390], "duration": [50, 40, 45] } # 数据载入到 DataFrame 对象 df = pd.DataFrame(data) # 返回第一行和第二行 print(df.loc[[0, 1]])</nowiki> 输出结果为: <nowiki>calories duration 0 420 50 1 380 40</nowiki> 注意:返回结果其实就是一个 Pandas DataFrame 数据。 ===指定索引值=== 我们可以指定索引值,如下实例: 实例 <nowiki>import pandas as pd data = { "calories": [420, 380, 390], "duration": [50, 40, 45] } df = pd.DataFrame(data, index = ["day1", "day2", "day3"]) print(df) print(df.loc['day1'])</nowiki> 输出结果为: <nowiki>calories duration day1 420 50 day2 380 40 day3 390 45 calories 420 duration 50 Name: day1, dtype: int64</nowiki> ===获取列数据=== 假设我们只关注 某几列的数据时,可以使用以下方法: <nowiki> import pandas as pd data = { "mango": [420, 380, 390], "apple": [50, 40, 45], "pear": [1, 2, 3], "banana": [23, 45,56] } df = pd.DataFrame(data) print(df[["apple","banana"]])</nowiki> 输出: <nowiki> apple banana 0 50 23 1 40 45 2 45 56 </nowiki> ===获取全部索引=== <nowiki> import pandas as pd data = { "calories": [420, 380, 390], "duration": [50, 40, 45] } df = pd.DataFrame(data, index = ["day1", "day2", "day3"]) print(df) print(df.index) print(df.columns)</nowiki> 输出: <nowiki> calories duration day1 420 50 day2 380 40 day3 390 45 Index(['day1', 'day2', 'day3'], dtype='object') Index(['calories', 'duration'], dtype='object')</nowiki>
返回至
Pandas 数据结构 - DataFrame
。
导航菜单
个人工具
登录
命名空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
首页
最近更改
随机页面
帮助
工具
链入页面
相关更改
特殊页面
页面信息