编程语言
首页 > 编程语言> > python:pandas中dataframe的基本用法汇总

python:pandas中dataframe的基本用法汇总

作者:互联网

更加详细的内容可以查看:https://blog.csdn.net/hhtnan/article/details/80080240 (基本函数整理)

一.  DataFrame的创建

创建一个空的dataframe 

df=pd.DataFrame(columns={"a":"","b":"","c":""},index=[0])

out:

     a    c    b
0  NaN  NaN  NaN

用list的数据创建dataframe:

a = [['2', '1.2', '4.2'], ['0', '10', '0.3'], ['1', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])
print df

out:

  one  two three
0   2  1.2   4.2
1   0   10   0.3
2   1    5     0

用numpy的矩阵创建dataframe

array = np.random.rand(5,3)
df = pd.DataFrame(array,columns=['first','second','third'])

用dict的数据创建DataFrame

data = { 'row1' : [1,2,3,4], 'row2' : ['a' , 'b' , 'c' , 'd'] }
df = pd.DataFrame(data)
dict = { 'row1' : [1,2,3,4], 'row2' : ['a' , 'b' , 'c' , 'd'] }
df = pd.DataFrame.from_dict(dict,orient='index').T

读取csv或者excel文件为DataFrame格式

df=pd.read_csv('D:/Program Files/example.csv')

excel一个表格中可能有多个sheet,sheetname可以进行选取

df = df.read_excel('D:/Program Files/example.xls',sheetname=0)

二. DataFrame的一些描述和类型

describe会显示dataframe的一些基本统计数据,数量、均值、中位数、标准差等

head会显示dataframe的前几行,后几行:

print df.describe()
print df.head()<br>print df.tail(10)

单独计算某列的统计值

df['one'].sum()
df['one'].mean()
df['one'].count()
df['one'].max()
df['one'].min()

查看dataframe的数据类型:

print (df.dtypes)

查看dataframe的数据数目:

print (df.size)

查看dataframe的形状:

print (df.shape)

返回列数:

print (df.ndim)

查看横纵坐标的标签名:

print (df.axes)

三. DataFrame的切片

iloc索引或切片(iloc中只能取整数值):

print df.iloc[1,:] #第1行,所有列
print df.iloc[:,[0,2]] #第0行,第0列和第2列
print df['one'].iloc[2] #列名索引+行号

loc索引或切片(loc中可以取str):

print data.loc[0:1, ['one', 'three']] #

筛选出dataframe中有某一个或某几个字符串的列:

list=['key1','key2']
df = df[df['one'].isin(list)]

筛选出dataframe中不含某一个或某几个字符串的列,相当于反选

df = df[~df['one'].isin(list)]

四. 缺失值的处理

缺失值可以删除也可以用均值或者0等数填充:

df.fillna(df1.mean())
df.fillna(0)

删除缺失值时可以指定列:

df = df.dropna(subset=['one','two'])

五. 去重、删除行或列

去重需要在subset指定哪一列的值进行筛选,如果不选择的话默认整行的值全部一样才去掉

first表示保留第一个出现的值所在行,last表示保留最后一个出现的重复值所在的行,false表示重复的行全部删除

df=df.drop_duplicates(subset='one',keep='first')

去除有NaN值的行或列(axis=0去除行,=1去除列):

df = df.dropna(axis=0)
df = df.dropna(axis=1)

去除某一列:

df = df.drop(['one'],axis=1)

去除含有某一个数的行:

row_list = df[df.one == 2].index.tolist() # 获得含有该值的行的行号
df = df.drop(row_list)

六. DataFrame的修改

修改数据类型

df['one']=pd.DataFrame(df['one'],dtype=np.float)

修改列名(需要写上所有列名,包括需要修改的和不需要修改的):

df.columns = ['first','second','all']

修改列名(只需写上需要修改的列)

df.rename(columns = {'one':'first','two':'second'},inplace = True) #inplace=True表示修改df,若为False表示只返回一个修改后的数据

重排序(by可以取多个列名,默认升序):

df = df.sort_values(by=['one'],ascending = True)
df = df.sort_index(axis = 0,ascending = True,by = 'one')
df = df.sort(columns = ['one'],axis = 0,ascending = True)

修改数据

df.iloc[1,2] = 10

用已有的列进行运算创建新的列

df['new_colume'] = df['one'] + df['two']

七. dataframe更改索引

当删除掉不需要的行时,行索引会变的不连续,这时候可以重新设计新的索引

df['index']=range(len(df['one']))
df.set_index('index')

设置时间序列为索引

dd = pd.date_range(start='4/1/2018',periods=5)
#dd = pd.date_range('4/1/2018','4/5/2018')
df = df.set_index(dd)

八. 添加新的行,将两个dataframe连接到一起

axis表示连接的方向,

axis=0表示两个dataframe的行数会增加,如果列名相同则直接共用列,如果列名不同会生成新的列;

axis=1,表示会加上新的列

df=pd.concat([df,df],axis=0) # 连接后行数是以前的2倍,列数不变

在dataframe添加新的行

df = df.append(df.loc[2,:],,ignore_index=True)

如果两个dataframe的列名是一样的,也可以用merge:

df = pd.merge(df,df)

九. DataFrame的输出

输出为excel或者csv格式,csv文件里的数据被读取时数据类型默认为object,excel则会保留原有的数据类型

df.to_excel('path/filename.xls')
df.to_csv('path/filename.csv')

输出为numpy的矩阵格式

matrix = df.ax_matrix()

输出为dict格式

dict = df.to_dict(orient="dict")

参考:https://www.cnblogs.com/timotong/p/9678490.html

标签:python,DataFrame,df,dataframe,pd,print,pandas,axis
来源: https://www.cnblogs.com/Vincent-yuan/p/16217380.html