小白教程
所有教程
关于
Search
172.69.6.102
172.69.6.102
参数设置
贡献
退出
操作
编辑
移动
保护
信息
历史
删除
查看“Pandas 数据结构 – DataFrame”的源代码
本页内容
上一节:
Pandas_数据结构_–_Series
下一节:
Pandas_CSV_文件
因为以下原因,您没有权限编辑本页:
您请求的操作仅限属于该用户组的用户执行:
用户
您可以查看和复制此页面的源代码。
{{DISPLAYTITLE:Pandas DataFrame}}[[Category:Pandas 教程|4]] = Pandas 数据结构 - 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)。 DataFrame 构造方法如下: <sample title="" desc="" lang="python" hererun="1"> pandas.DataFrame( data, index, columns, dtype, copy) </sample> 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。 == 实例 - 使用列表创建 == <sample title="" desc="" lang="python" hererun="1"> import pandas as pd data = [['Google',10],['xiaoBai',12],['Wiki',13]] df = pd.DataFrame(data,columns=['Site','Age'],dtype=float) print(df) </sample> 输出结果如下: 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:[https://www.xiaobai.wang/numpy/numpy-ndarray-object.html NumPy Ndarray 对象] == 实例 - 使用 ndarrays 创建 == <sample title="" desc="" lang="python" hererun="1"> import pandas as pd data = {'Site':['Google', 'xiaoBai', 'Wiki'], 'Age':[10, 12, 13]} df = pd.DataFrame(data) print (df) </sample> 输出结果如下: 从以上输出结果可以知道, DataFrame 数据类型一个表格,包含 rows(行) 和 columns(列): 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 == <sample title="" desc="" lang="python" hererun="1"> import pandas as pd data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}] df = pd.DataFrame(data) print (df) </sample> 输出结果为: <sample title="" desc="" lang="python" hererun="1"> a b c 0 1 2 NaN 1 5 10 20.0 </sample> 没有对应的部分数据为 '''NaN'''。 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: <sample title="" desc="" lang="python" hererun="1"> 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]) </sample> 输出结果如下: <sample title="" desc="" lang="python" hererun="1"> calories 420 duration 50 Name: 0, dtype: int64 calories 380 duration 40 Name: 1, dtype: int64 </sample> '''注意:'''返回结果其实就是一个 Pandas Series 数据。 也可以返回多行数据,使用 [[ ... ]] 格式,... 为各行的索引,以逗号隔开: <sample title="" desc="" lang="python" hererun="1"> 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]]) </sample> 输出结果为: <sample title="" desc="" lang="python" hererun="1"> calories duration 0 420 50 1 380 40 </sample> '''注意:'''返回结果其实就是一个 Pandas DataFrame 数据。 我们可以指定索引值,如下实例: <sample title="" desc="" lang="python" hererun="1"> import pandas as pd data = { "calories": [420, 380, 390], "duration": [50, 40, 45] } df = pd.DataFrame(data, index = ["day1", "day2", "day3"]) print(df) </sample> 输出结果为: <sample title="" desc="" lang="python" hererun="1"> calories duration day1 420 50 day2 380 40 day3 390 45 </sample> Pandas 可以使用 loc 属性返回指定索引对应到某一行: <sample title="" desc="" lang="python" hererun="1"> import pandas as pd data = { "calories": [420, 380, 390], "duration": [50, 40, 45] } df = pd.DataFrame(data, index = ["day1", "day2", "day3"]) # 指定索引 print(df.loc["day2"]) </sample> 输出结果为: <sample title="" desc="" lang="python" hererun="1"> calories 380 duration 40 Name: day2, dtype: int64 </sample>
返回至“
Pandas 数据结构 – DataFrame
”。
上一节:
Pandas_数据结构_–_Series
下一节:
Pandas_CSV_文件