python-pandas之DataFrame数据分析（五）

  

   

    

     

    
    

     

      '''
     
    
   

    

     

    
    

     

      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、布尔值等）。
     
    
   

    

     

    
    

     

      • DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用
     
    
   

    

     

    
    

     

      同一个索引）
     
    
   

    

     

    
    

     

      
     
    
   

    

     

    
    

     

       可以输入给DataFrame构造器的数据
     
    
   

    

     

    
    

     

      类型 说明
     
    
   

    

     

    
    

     

      二维ndarray 数据矩阵，还可以传入行标和列标。
     
    
   

    

     

    
    

     

      由数组、列表或元组组成的字典 每个序列会变成DataFrame的一列，所有序列的长度必须相同。
     
    
   

    

     

    
    

     

      NumPy的结构化/记录数组 类似于“由数组组成的字典”
     
    
   

    

     

    
    

     

      由Series组成的字典 每个Series会组成一列。如果没有显示指定索引，则各Series的索引会被合并成结果的
     
    
   

    

     

    
    

     

      行索引。
     
    
   

    

     

    
    

     

      由字典组成的字典 各内层字典会成为一列。键会被合并成结果的行索引，跟“由Series组成的字典”的情
     
    
   

    

     

    
    

     

      况一样。
     
    
   

    

     

    
    

     

      字典或Series的列表 各项将会成为DataFrame的一行。字典键或Series索引的并集将会成为DataFrame的列
     
    
   

    

     

    
    

     

      标。
     
    
   

    

     

    
    

     

      由列表或元组组成的列表 类似于“二维ndarray”
     
    
   

    

     

    
    

     

      另一个DataFrame 该DataFrame的索引将会被沿用，除非显示指定了其他索引。
     
    
   

    

     

    
    

     

      NumPy的MaskedArray 类似于“二维ndarray”的情况，只是掩码值在结果DataFrame会变成NA/缺失值。
     
    
   

    

     

    
    

     

      '''
     
    
   

    

     

    
    

     

      import numpy as np
     
    
   

    

     

    
    

     

      from pandas import Series ,DataFrame
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print('用字典生成DataFrame，key为列的名字。')
     
    
   

    

     

    
    

     

      data = {'name':['libai','dufu','liqingzhao','wanganshi','tangshi'],
     
    
   

    

     

    
    

     
        'age':[100,200,300,400,500],
     
    
   

    

     

    
    

     
        'banji':['一班','二班','三班','四班','五班']}
     
    
   

    

     

    
    

     

      print(DataFrame(data))
     
    
   

    

     

    
    

     

      print(DataFrame(data,columns=['age','banji','name'])) # 指定列顺序
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print('指定索引，在列中指定不存在的列，默认数据用NaN。')
     
    
   

    

     

    
    

     

      frame2 = DataFrame(data,
     
    
   

    

     

    
    

     

                         columns=['age','banji','name','student'],
     
    
   

    

     

    
    

     

                         index=['one', 'two', 'three', 'four', 'five'])
     
    
   

    

     

    
    

     

      print(frame2)
     
    
   

    

     

    
    

     

      print(frame2['age']) #指定获取列索引对应的值
     
    
   

    

     

    
    

     

      print(frame2.name)  #指定获取列索引对应的值
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print(frame2.ix['five'])    #获取行索引对应的值
     
    
   

    

     

    
    

     

      frame2['age']=10     # 修改一整列的值
     
    
   

    

     

    
    

     

      print(frame2)
     
    
   

    

     

    
    

     

      frame2.age = np.arange(5)   # 用numpy数组修改元素
     
    
   

    

     

    
    

     

      print(frame2)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print('用Series指定要修改的索引及其对应的值，没有指定的默认数据用NaN。')
     
    
   

    

     

    
    

     

      val = Series([-1.2, -1.5, -1.7], index = ['two', 'four', 'five'])
     
    
   

    

     

    
    

     

      frame2['age'] = val
     
    
   

    

     

    
    

     

      print(frame2)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print('赋值给新列')
     
    
   

    

     

    
    

     

      frame2['preson'] = (frame2.name == 'tangshi')  # 如果name等于tangshi为True
     
    
   

    

     

    
    

     

      print(frame2)
     
    
   

    

     

    
    

     

      print(frame2.columns)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print('DataFrame转置')
     
    
   

    

     

    
    

     

      pop = {'Nevada':{2001:2.4, 2002:2.9},
     
    
   

    

     

    
    

     
        'Ohio':{2000:1.5, 2001:1.7, 2002:3.6}}
     
    
   

    

     

    
    

     

      frame3 = DataFrame(pop)
     
    
   

    

     

    
    

     

      print('frame3转置前数组')
     
    
   

    

     

    
    

     

      print(frame3)
     
    
   

    

     

    
    

     

      print('frame3转置后数组')
     
    
   

    

     

    
    

     

      print(frame3.T)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print('指定索引顺序，以及使用切片初始化数据。')
     
    
   

    

     

    
    

     

      # DataFrame(pop,index=[2001,2002,2003])
     
    
   

    

     

    
    

     

      pdata = {'Ohio':frame3['Ohio'][:-1],'Nevada':frame3['Nevada'][:2]}
     
    
   

    

     

    
    

     

      print(DataFrame(pdata))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print('指定索引和列的名称')
     
    
   

    

     

    
    

     

      frame3.index.name = 'year'
     
    
   

    

     

    
    

     

      frame3.columns.name = 'state'
     
    
   

    

     

    
    

     

      print(frame3)
     
    
   

    

     

    
    

     

      print(frame3.values)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
  
 

文章来源: brucelong.blog.csdn.net，作者：Bruce小鬼，版权归原作者所有，如需转载，请联系作者。

原文链接：brucelong.blog.csdn.net/article/details/80682537