Python使用总结之DataFrame使用详解

Pandas是Python中最强大的数据分析库之一，而DataFrame是Pandas中最重要的数据结构。DataFrame可以看作是一种表格型数据结构，它类似于电子表格或SQL表，可以轻松地进行数据操作和分析。

本文将详细介绍Pandas中的DataFrame的使用方法，包括创建、操作、索引、处理缺失值和数据聚合等方面。

一、创建DataFrame

DataFrame可以通过多种方式创建，常见的包括从字典、列表、NumPy数组和CSV文件等创建。

从字典创建DataFrame：

python 复制代码

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}

df = pd.DataFrame(data)
print(df)

从列表创建DataFrame：

python 复制代码

data = [
    ['Alice', 25, 'New York'],
    ['Bob', 30, 'Los Angeles'],
    ['Charlie', 35, 'Chicago']
]

df = pd.DataFrame(data, columns=['Name', 'Age', 'City'])
print(df)

从NumPy数组创建DataFrame：

python 复制代码

import numpy as np

data = np.array([
    ['Alice', 25, 'New York'],
    ['Bob', 30, 'Los Angeles'],
    ['Charlie', 35, 'Chicago']
])

df = pd.DataFrame(data, columns=['Name', 'Age', 'City'])
print(df)

从CSV文件创建DataFrame：

python 复制代码

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

二、基本操作

查看数据：

python 复制代码

print(df.head())   # 查看前5行数据
print(df.tail())   # 查看后5行数据
print(df.info())   # 查看DataFrame的信息
print(df.describe()) # 查看数据的统计信息

选取数据：

python 复制代码

print(df['Name'])   # 选取单列
print(df[['Name', 'Age']])   # 选取多列

行列索引：

python 复制代码

print(df.iloc[0])   # 按位置选取行
print(df.loc[0])    # 按标签选取行
print(df.iloc[:, 0])   # 按位置选取列
print(df.loc[:, 'Name'])   # 按标签选取列

筛选数据：

python 复制代码

print(df[df['Age'] > 30])   # 筛选年龄大于30的数据

三、处理缺失值

缺失值是数据分析中常见的问题，Pandas提供了多种方法来处理缺失值。

查看缺失值：

python 复制代码

print(df.isnull())   # 查看缺失值情况
print(df.isnull().sum())   # 统计每列缺失值的数量

填充缺失值：

python 复制代码

df['Age'].fillna(df['Age'].mean(), inplace=True)   # 用均值填充缺失值
df['City'].fillna('Unknown', inplace=True)   # 用特定值填充缺失值

删除缺失值：

python 复制代码

df.dropna(inplace=True)   # 删除包含缺失值的行

四、数据聚合

Pandas提供了强大的数据聚合功能，可以轻松地对数据进行分组、汇总和统计分析。

分组与聚合：

python 复制代码

grouped = df.groupby('City')
print(grouped['Age'].mean())   # 按城市分组，计算年龄的均值

多重聚合：

python 复制代码

agg_funcs = {'Age': ['mean', 'max'], 'Name': 'count'}
print(df.groupby('City').agg(agg_funcs))   # 多重聚合

透视表：

python 复制代码

pivot_table = df.pivot_table(values='Age', index='City', aggfunc='mean')
print(pivot_table)   # 创建透视表

五、DataFrame的合并

Pandas支持多种方式的DataFrame合并，包括连接、合并和拼接。

连接：

python 复制代码

df1 = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35]
})

df2 = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie'],
    'City': ['New York', 'Los Angeles', 'Chicago']
})

merged_df = pd.merge(df1, df2, on='Name')
print(merged_df)   # 按照Name列进行连接

拼接：

python 复制代码

df1 = pd.DataFrame({
    'Name': ['Alice', 'Bob'],
    'Age': [25, 30]
})

df2 = pd.DataFrame({
    'Name': ['Charlie', 'David'],
    'Age': [35, 40]
})

concat_df = pd.concat([df1, df2])
print(concat_df)   # 按行进行拼接

六、总结

Pandas中的DataFrame是进行数据分析的强大工具，通过掌握DataFrame的创建、基本操作、索引、处理缺失值、数据聚合和合并等功能，可以极大地提升数据分析的效率和效果。希望本文对你理解和使用DataFrame有所帮助，更多高级功能和技巧需要在实际操作中不断探索和积累。