Python 教程之 Pandas（1）—— Pandas 数据框

Pandas DataFrame是具有标记轴（行和列）的二维大小可变、可能异构的表格数据结构。数据框是一种二维数据结构，即数据以表格的方式在行和列中对齐。Pandas DataFrame 由三​​个主要组件组成，即数据、行和列。

创建 Pandas 数据框

在现实世界中，将通过从现有存储中加载数据集来创建 Pandas DataFrame，存储可以是 SQL 数据库、CSV 文件和 Excel 文件。Pandas DataFrame 可以从列表、字典和字典列表等中创建。Dataframe 可以通过不同的方式创建，以下是我们创建数据框的一些方法：

使用 List 创建数据框： 可以使用单个列表或列表列表创建数据框。

# import pandas as pd
import pandas as pd
 
# 字符串列表
lst = ['Geeks', 'For', 'Geeks', 'is', 
            'portal', 'for', 'Geeks']
 
# 在列表中调用 DataFrame 构造函数
df = pd.DataFrame(lst)
print(df)

输出：

 
从 ndarray/lists 的 dict创建 DataFrame ： 要从 narray/list 的 dict 创建 DataFrame，所有的 narray 必须具有相同的长度。如果传递了索引，则长度索引应等于数组的长度。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。

# Python 代码演示了从 dict narray / lists 默认地址创建 DataFrame。
 
import pandas as pd
 
# 初始化列表的数据。
data = {'Name':['Tom', 'nick', 'krish', 'jack'],
        'Age':[20, 21, 19, 18]}
 
# 创建数据框
df = pd.DataFrame(data)
 
# 打印输出。
print(df)

在 IDE 上运行

输出：

处理行和列

数据框是一种二维数据结构，即数据以表格的方式在行和列中对齐。我们可以对行/列执行基本操作，例如选择、删除、添加和重命名。

列选择： 为了在 Pandas DataFrame 中选择一列，我们可以通过列名调用它们来访问这些列。

# Import pandas package
import pandas as pd
 
# 定义包含员工数据的字典
data = {'Name':['Jai', 'Princi', 'Gaurav', 'Anuj'],
        'Age':[27, 24, 22, 32],
        'Address':['Delhi', 'Kanpur', 'Allahabad', 'Kannauj'],
        'Qualification':['Msc', 'MA', 'MCA', 'Phd']}
 
# 将字典转换为 DataFrame
df = pd.DataFrame(data)
 
# 选择两列
print(df[['Name', 'Qualification']])

在 IDE 上运行

输出：

 
行选择：  Pandas 提供了一种从数据框中检索行的独特方法。DataFrame.loc[]方法用于从 Pandas DataFrame 中检索行。也可以通过将整数位置传递给iloc[]函数来选择行。

注意： 我们将nba.csv在下面的示例中使用文件。

# importing pandas package
import pandas as pd
 
# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")
 
# 通过 loc 方法检索行
first = data.loc["Avery Bradley"]
second = data.loc["R.J. Hunter"]
 
 
print(first, "\n\n\n", second)

输出：
如输出图像所示，由于两次都只有一个参数，因此返回了两个系列。
\

索引和选择数据

pandas 中的索引意味着只需从 DataFrame 中选择特定的数据行和列。索引可能意味着选择所有行和一些列，一些行和所有列，或每行和列中的一些。索引也可以称为子集选择。

使用索引运算符索引数据框[]：
索引运算符用于引用对象后面的方括号。和索引器.loc还.iloc使用索引运算符进行选择。在这个索引运算符中要引用 df[]。

选择单个列

为了选择单个列，我们只需将列名放在括号之间

# importing pandas package
import pandas as pd
 
# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")
 
# 通过索引运算符检索列
first = data["Age"] 
 
print(first)

输出：

 
使用 索引 DataFrame .loc[ ]：
此函数通过行和列的标签选择数据。 df.loc索引器以不同于索引运算符的方式选择数据。它可以选择行或列的子集。它还可以同时选择行和列的子集。

选择单行

为了使用 选择单行，我们在函数.loc[]中放置了单行标签。.loc

# importing pandas package
import pandas as pd
 
# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")
 
# 通过 loc 方法检索行
first = data.loc["Avery Bradley"]
second = data.loc["R.J. Hunter"]
 
print(first, "\n\n\n", second)

输出：
如输出图像所示，由于两次都只有一个参数，因此返回了两个系列。

 
使用 索引 DataFrame .iloc[ ]：
此函数允许我们按位置检索行和列。为了做到这一点，我们需要指定我们想要的行的位置，以及我们想要的列的位置。索引器df.iloc非常相似，df.loc但仅使用整数位置进行选择。

选择单行

为了使用 选择单行.iloc[]，我们可以将单个整数传递给.iloc[]函数。

import pandas as pd
 
# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")
 
# 通过 iloc 方法检索行
row2 = data.iloc[3] 
 
print(row2)

输出：

处理缺失数据

当没有为一个或多个项目或整个单元提供信息时，可能会出现缺失数据。缺少数据是现实生活场景中的一个非常大的问题。缺失数据也可以指熊猫中的 NA（不可用）值。

使用isnull()andnotnull() :
检查缺失值 为了检查 Pandas DataFrame 中的缺失值，我们使用函数isnull()and notnull()。这两个函数都有助于检查值是否NaN存在。这些函数也可以在 Pandas 系列中使用，以便在系列中查找空值。

# importing pandas as pd
import pandas as pd
 
# importing numpy as np
import numpy as np
 
# 列表字典
dict = {'First Score':[100, 90, np.nan, 95],
        'Second Score': [30, 45, 56, np.nan],
        'Third Score':[np.nan, 40, 80, 98]}
 
# 从列表创建数据框
df = pd.DataFrame(dict)
 
# 使用 isnull() 函数
df.isnull()

输出：

 
使用fillna(),replace()和interpolate() :
填充缺失值为了填充数据集中的空值，我们使用fillna(),replace()和interpolate()函数这些函数将 NaN 值替换为它们自己的一些值。所有这些功能都有助于在 DataFrame 的数据集中填充空值。Interpolate() 函数基本上用于填充NA数据帧中的值，但它使用各种插值技术来填充缺失值，而不是对值进行硬编码。

# importing pandas as pd
import pandas as pd
 
# importing numpy as np
import numpy as np
 
# 列表字典
dict = {'First Score':[100, 90, np.nan, 95],
        'Second Score': [30, 45, 56, np.nan],
        'Third Score':[np.nan, 40, 80, 98]}
 
# 从字典创建数据框
df = pd.DataFrame(dict)
 
# 使用 fillna() 填充缺失值
df.fillna(0)

输出：

 
使用删除缺失值dropna()：
为了从数据框中删除空值，我们使用dropna()此功能以不同方式删除具有空值的数据集的行/列。

# importing pandas as pd
import pandas as pd
 
# importing numpy as np
import numpy as np
 
# 列表字典
dict = {'First Score':[100, 90, np.nan, 95],
        'Second Score': [30, np.nan, 45, 56],
        'Third Score':[52, 40, 80, 98],
        'Fourth Score':[np.nan, np.nan, np.nan, 65]}
 
# 从字典创建数据框
df = pd.DataFrame(dict)
   
df

现在我们删除具有至少一个 Nan 值（Null 值）的行

# importing pandas as pd
import pandas as pd
 
# importing numpy as np
import numpy as np
 
# 列表字典
dict = {'First Score':[100, 90, np.nan, 95],
        'Second Score': [30, np.nan, 45, 56],
        'Third Score':[52, 40, 80, 98],
        'Fourth Score':[np.nan, np.nan, np.nan, 65]}
 
# 从字典创建数据框
df = pd.DataFrame(dict)
 
# 使用 dropna() 函数  
df.dropna()

输出：
\

遍历行和列

迭代是一个通用术语，用于一个接一个地获取某物的每一项。Pandas DataFrame 由行和列组成，因此，为了迭代数据帧，我们必须像字典一样迭代数据帧。

对行进行迭代：
为了对行进行迭代，我们可以使用三个函数iteritems(), iterrows(), itertuples()。这三个函数将有助于对行进行迭代。

# importing pandas as pd
import pandas as pd
  
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# 从字典创建数据框
df = pd.DataFrame(dict)
 
print(df)

现在我们应用iterrows()函数来获取行的每个元素。

# importing pandas as pd
import pandas as pd
  
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# 从字典创建数据框
df = pd.DataFrame(dict)
 
# 使用 iterrows() 函数遍历行
for i, j in df.iterrows():
    print(i, j)
    print()

输出：

 
迭代列：
为了迭代列，我们需要创建一个数据框列的列表，然后遍历该列表以提取数据框列。

# importing pandas as pd
import pandas as pd
  
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# 从字典创建数据框 
df = pd.DataFrame(dict)
 
# 使用 iterrows() 函数遍历行
for i, j in df.iterrows():
    print(i, j)
    print()

在 IDE 上运行

现在我们遍历列为了遍历列，我们首先创建一个数据框列的列表，然后遍历列表。

# importing pandas as pd
import pandas as pd
   
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
  
# 从字典创建数据框
df = pd.DataFrame(dict)
 
print(df)

输出：

数据框方法：