文章目录
Pandas库-DataFrame类型
DataFrame=共用相同索引的一组列
- 每列值的类型可以不同
- DataFrame既有行索引，也有列索引
DataFrame的创建
| 可以创建DataFrame的类型 |
|---|
| 二维ndarray |
| 一维ndarray、列表、字典、元组或Series构成的字典 |
| Series |
| 其他DataFrame |
由二维ndarray创建
#IPython控制台操作#
import pandas as pd
import numpy as np
d=pd.DataFrame(np.arange(10).reshape(2,5))
d
Out[4]:
0 1 2 3 4
0 0 1 2 3 4
1 5 6 7 8 9
此例的DataFrame就是原数据加上行和列的索引
由一维对象构成的字典创建
Series构成的字典
#IPython控制台操作#
import pandas as pd
dt={'one':pd.Series([1,2,3],index=['a','b','c']),'two':pd.Series([9,8,7,6],index=['a','b','c','d'])}
d=pd.DataFrame(dt)
d
Out[4]:
one two
a 1.0 9
b 2.0 8
c 3.0 7
d NaN 6
pd.DataFrame(dt,index=['b','c','a'],columns=['two','three'])
Out[5]:
two three
b 8 NaN
c 7 NaN
a 9 NaN
索引为’three’的列是没有的，但会自动补齐
列表构成的字典
#IPython控制台操作#
import pandas as pd
d1={'one':[1,2,3,4],'two':[9,8,7,6]}
import pandas as pd
dl={'one':[1,2,3,4],'two':[9,8,7,6]}
d=pd.DataFrame(dl,index=['a','b','c','d'])#字典没规定行索引，这里规定
d
Out[4]:
one two
a 1 9
b 2 8
c 3 7
d 4 6
d['a']['one']#这种方法是错误的，必须先列后行
##KeyError: 'a'##
d['one']['a']
Out[6]: 1
d['one']
Out[7]:
a 1
b 2
c 3
d 4
Name: one, dtype: int64
d.index
Out[8]: Index(['a', 'b', 'c', 'd'], dtype='object')
d.columns
Out[9]: Index(['one', 'two'], dtype='object')
d.values
Out[10]:
array([[1, 9],
[2, 8],
[3, 7],
[4, 6]], dtype=int64)
数据类型操作
重新索引
DataFrame.reindex(index=None,columns=None,...)
| 参数 | 说明 |
|---|---|
| index,columns | 新的行列自定义索引 |
| fill_value | 重新索引中，用于填充缺失位置的值 |
| method | 填充方法,fill当前值向前填充（等于前一项的值），bfill向后填充 |
| limit | 最大填充量 |
| copy | 默认True，生成新的对象 |
索引类型操作
| 方法 | 说明 |
|---|---|
| .append(idx) | 连接另一个Index对象，产生新的Index对象 |
| .diff(idx) | 计算差集，产生新的Index对象 |
| .intersection(idx) | 计算交集 |
| .union(idx) | 计算并集 |
| .delete(loc) | 删除loc位置处的元素 |
| .insert(loc,e) | 在loc位置增加一个元素 |
#IPython控制台操作#
import pandas as pd
a={"城市":["沈阳","深圳","广州","上海","北京"],"同比":[101.4,102.0,101.3,101.2,101.5],"环比":[100.1,102.0,101.3,101.2,101.5],"定基":[101.6,145.5,120.0,127.8,121.4]}#列表组成字典创建DataFrame，指定了列索引名
a
Out[3]:
{'城市': ['沈阳', '深圳', '广州', '上海', '北京'],
'同比': [101.4, 102.0, 101.3, 101.2, 101.5],
'环比': [100.1, 102.0, 101.3, 101.2, 101.5],
'定基': [101.6, 145.5, 120.0, 127.8, 121.4]}
b=pd.DataFrame(a,index=['c5','c4','c3','c2','c1'])#指定行索引名
b
Out[5]:
城市 同比 环比 定基
c5 沈阳 101.4 100.1 101.6
c4 深圳 102.0 102.0 145.5
c3 广州 101.3 101.3 120.0
c2 上海 101.2 101.2 127.8
c1 北京 101.5 101.5 121.4
nc=b.columns.delete(2)#删除列索引下标为2的项
nc
Out[7]: Index(['城市', '同比', '定基'], dtype='object')
ni=b.index.insert(5,'c0')#在行索引下标为5的地方插入行索引名'c0'
ni
Out[8]: Index(['c5', 'c4', 'c3', 'c2', 'c1', 'c0'], dtype='object')
nb=b.reindex(index=ni,columns=nc)#按照新的index,columns重新指定索引
nb
Out[9]:
城市 同比 定基
c5 沈阳 101.4 101.6
c4 深圳 102.0 145.5
c3 广州 101.3 120.0
c2 上海 101.2 127.8
c1 北京 101.5 121.4
c0 NaN NaN NaN
nb.drop('c0')#删除索引'c0'，默认axis=0
Out[10]:
城市 同比 定基
c5 沈阳 101.4 101.6
c4 深圳 102.0 145.5
c3 广州 101.3 120.0
c2 上海 101.2 127.8
c1 北京 101.5 121.4
nb.drop('同比',axis=1)#删除索引'同比'，指定axis=1
Out[11]:
城市 定基
c5 沈阳 101.6
c4 深圳 145.5
c3 广州 120.0
c2 上海 127.8
c1 北京 121.4
c0 NaN NaN
数据类型计算
算术运算法则
- 算术运算根据行列索引，补齐后运算，结果默认为浮点数
- 补齐时缺项填充NaN（空值）
- 二维和一维、一维和零维为广播运算
- 采用+ - * / 符号进行的二元运算产生新的对象
也可以用如下函数进行四则运算：
方法 说明 .add(d,**argws) 类型间加法运算，可选参数 .sub(d,**argws) 类型间减法运算，可选参数 .mul(d,**argws) 类型间乘法运算，可选参数 .div(d,**argws) 类型间除法运算，可选参数
一般四则运算
#IPython控制台操作#
import pandas as pd
import numpy as np
a=pd.DataFrame(np.arange(12).reshape(3,4))
a
Out[4]:
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
b=pd.DataFrame(np.arange(20).reshape(4,5))
b
Out[6]:
0 1 2 3 4
0 0 1 2 3 4
1 5 6 7 8 9
2 10 11 12 13 14
3 15 16 17 18 19
a+b
Out[7]:
0 1 2 3 4
0 0.0 2.0 4.0 6.0 NaN
1 9.0 11.0 13.0 15.0 NaN
2 18.0 20.0 22.0 24.0 NaN
3 NaN NaN NaN NaN NaN
a*b
Out[8]:
0 1 2 3 4
0 0.0 1.0 4.0 9.0 NaN
1 20.0 30.0 42.0 56.0 NaN
2 80.0 99.0 120.0 143.0 NaN
3 NaN NaN NaN NaN NaN
用函数进行四则运算
#IPython控制台操作#
import pandas as pd
import numpy as np
a=pd.DataFrame(np.arange(12).reshape(3,4))
a
Out[4]:
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
b=pd.DataFrame(np.arange(20).reshape(4,5))
b
Out[6]:
0 1 2 3 4
0 0 1 2 3 4
1 5 6 7 8 9
2 10 11 12 13 14
3 15 16 17 18 19
b.add(a,fill_value=100) #100代替NaN进行运算
Out[7]:
0 1 2 3 4
0 0.0 2.0 4.0 6.0 104.0
1 9.0 11.0 13.0 15.0 109.0
2 18.0 20.0 22.0 24.0 114.0
3 115.0 116.0 117.0 118.0 119.0
a.mul(b,fill_value=0) #0代替NaN进行运算
Out[8]:
0 1 2 3 4
0 0.0 1.0 4.0 9.0 0.0
1 20.0 30.0 42.0 56.0 0.0
2 80.0 99.0 120.0 143.0 0.0
3 0.0 0.0 0.0 0.0 0.0
广播运算
#IPython控制台操作#
import pandas as pd
import numpy as np
b=pd.DataFrame(np.arange(20).reshape(4,5))
b
Out[4]:
0 1 2 3 4
0 0 1 2 3 4
1 5 6 7 8 9
2 10 11 12 13 14
3 15 16 17 18 19
c=pd.Series(np.arange(4))
c
Out[6]:
0 0
1 1
2 2
3 3
dtype: int32
c-10 #c的每一个值-10
Out[7]:
0 -10
1 -9
2 -8
3 -7
dtype: int32
b-c #b每一行-c
Out[8]:
0 1 2 3 4
0 0.0 0.0 0.0 0.0 NaN
1 5.0 5.0 5.0 5.0 NaN
2 10.0 10.0 10.0 10.0 NaN
3 15.0 15.0 15.0 15.0 NaN
默认运算发生在高维数据的0轴上，要想在其他轴上，可类似
b.sub(c,axis=1)来指定。
比较运算
#IPython控制台操作#
import pandas as pd
import numpy as np
a=pd.DataFrame(np.arange(12).reshape(3,4))
a
Out[4]:
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
d=pd.DataFrame(np.arange(12,0,-1).reshape(3,4))
d
Out[6]:
0 1 2 3
0 12 11 10 9
1 8 7 6 5
2 4 3 2 1
a>d #比较运算
Out[7]:
0 1 2 3
0 False False False False
1 False False False True
2 True True True True
a==d #比较运算
Out[8]:
0 1 2 3
0 False False False False
1 False False True False
2 False False False False
同维度比较运算，数据规模必须一样
#IPython控制台操作#
import pandas as pd
import numpy as np
a=pd.DataFrame(np.arange(12).reshape(3,4))
a
Out[4]:
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
c=pd.Series(np.arange(4))
c
Out[6]:
0 0
1 1
2 2
3 3
dtype: int32
a>c
Out[7]:
0 1 2 3
0 False False False False
1 True True True True
2 True True True True
c>0
Out[8]:
0 False
1 True
2 True
3 True
dtype: bool
不同维度比较，广播运算，默认在1轴
