Pandas库DataFrame数据结构

上文已经简述过Series，本文开始讲述由多个Series复合而成的DataFrame，其实很多内容异曲同工。

Pandas库series数据结构https://jslhyh32.blog.csdn.net/article/details/159003155?spm=1001.2014.3001.5502

---

一.创建

前面已经提到，DataFrame由Series复合组成，因此可以通过Series来创建DataFrame：

s1=pd.Series([1,2,3])
s2=pd.Series([4,5,6])
df=pd.DataFrame({"第一列":s1,"第二列":s2})#通过Series来创建DataFrame

打印来看看内容和类型：

print(df)
print(type(df))#打印一下类型
print(type(df["第一列"]))#Series类型

整体是一个DataFrame，每一列是一个Series：

同样可以用字典的写法，甚至有点像JSON：

#字典来创建
df1=pd.DataFrame({
    "id":[1,2,3,4,5],
    "name":["tom","jack","alice","bob","allen"],
    "age":[11,22,33,44,55],
},index=['a','b','c','d','e'],columns=["id","name","age"])

index是记录号也即索引，columns是表头名，需要注意columns中的值必须要和前面的字典中的key值相同，否则数据会不匹配，导致data变成NAN：

二.属性

DataFrame中有多列数据，每列数据类型可能都不尽相同：

print(df1.dtypes)

先给出各列的类型，再返回这些类型组成的Series的类型。实际上类型名是字符串，因此最后一个一般来说肯定是object：

依次打印行索引、列标签、数据：

print(df1.index)#行索引
print(df1.columns)#列标签
print(df1.values)#值

二维的数据肯定有转置：

print(df1.T)#转置，行列标签也会变化

和Series一样，可以通过显式索引和隐式索引来获取某一行元素，实际上就是一个记录的全部内容：

print(df1.loc['d'])
print(df1.iloc[3])

从几何上来看上述可以理解为获取了某一行，也可以按照切片的写法获取某一列的元素，同样是显式和隐式：

print(df1.loc[:,"id"])#列
print(df1.iloc[:,0])

同样也支持获取单个元素，同样是显式和隐式，但需要列名和索引两个参数：

print(df1.at['b',"name"])
print(df1.iat[1,1])#单个元素获取

三.获取元素

两种方式获取一列，有点像C++的STL容器的情况，指针和面向对象属性两种写法：

print(df1["id"])
print(df1.id)

也可以获取多列，组成了一个子集的DataFrame：

print(df1[['id','name']])

同样支持bool类型的判断语句：

print(df1[(df1["id"]>3)&(df1.age<55)])

保留下来符合条件的记录：

四.方法

很多都和Series异曲同工，只不过 变成了二维的情况，isin来判断对应元素是否在列表参数中：

print(df1.isin(['jack',22]))#查看jack和22是否在数据里面
#这种方式无需判断是在第几列

返回也是布尔值：

判断单个数据是不是缺失值，同样返回布尔值：

print(df1.isna())#判断是否有缺失值

还有加和，和ndarray同理：

print(df1.sum())#字符串的相加是直接拼凑组合在一起，没有统计意义
print(df1.age.sum())#因此只是处理单独一列

统计学的平均值、方差什么的依旧同理，这里不一一赘述：

print(df1.describe())#返回数字类型列

每个Series单独处理，只能处理数字型的：

以及同样的计数、去重：

print(df1.value_counts())#统计的是完全一样的记录的个数
print(df1.drop_duplicates())#去重
print(df1.duplicated())#判重
print(df1.duplicated(subset=['age']))#指定列是不是有重复

随机采样，填数字为数字个，否则返回一个：

print(df1.sample())#随机采样

替换对应数值：

print(df1.replace(11,66))

累加和累计最大值，默认axis=0即按列方向进行计算，可以将axis=1变为行方向，但注意元素类型必须合法：

print(df1.cumsum())
print(df1.cummax())#将axis=1可以按行进行计算

按值排序，默认升序可以改为降序：

print(df1.sort_index(ascending=False))#默认升序改为降序

按某列或者某几列进行排序：

print(df1.sort_values(by="name"))
print(df1.sort_values(by=["age","name"],ascending=[False,True]))

返回某列最大的几个数：

print(df1.nlargest(3,"age"))
#返回最大的几个数