一、什么是DataFrame

        DataFrame是一种表格型的数据结构。它的每一列可以是不同的值类型（例如布尔型、数值型、字符串等），此外它既有行索引index，又有列索引columns。我们可以将它看成是由Series组成的字典（将每一列看成是一个Series）。

二、DataFrame的创建

• Pandas.DataFrame( data, index, columns, dtype, copy )

编号	参数	描述
1	data	数据可采取各种形式，例如：ndarray、series、map、list、dict、constant、DataFrame。
2	index	行标签。如果没有传递索引值，可选的默认语法是np.arange(n)。
3	columns	列标签。如果没有传递索引值，可选的默认语法为np.arange(n)。
4	dtype	每一列的数据类型。
5	copy	默认值为False，用于复制数据。

1、通过传入列表创建：

data=[['zhangsan',88,'M'],['lisi',99,'F'],['wangwu',78,'M']]
columns=['name','age','gender']
index=['a','b','c']
df=pd.DataFrame(data=data,index=index,columns=columns)
print(df)

运行结果：

2、通过传入dict创建：

data={'name':['zhangsan','lisi','wangwu'],'age':[23,34,45],'gender':['M','F','M']}
df=pd.DataFrame(data=data)
print(df)

运行结果：

3、通过传入dataframe创建： 

通过观察结果可以发现，相当于是通过index和columns的值对原dataframe进行了索引得到的一个新的dataframe。如果在原表中没有找到相应的行或列，会自动补充NaN。

data={'name':['zhangsan','lisi','wangwu'],'age':[23,34,45],'gender':['M','F','M']}
df=pd.DataFrame(data=data)
tmp1=pd.DataFrame(data=df,index=[0,1],columns=['name','age'])
tmp2=pd.DataFrame(data=df,index=['a','b','c'])
print(df)
print(tmp1)
print(tmp2)

运行结果：

df表：

 tmp1：

 tmp2：

三、读写文件

1、读文件：

• pd.read_csv(文件路径) #读csv文件，返回DataFrame对象
• pd.read_excel(文件路径)  #读excel文件，返回DataFrame对象

2、写文件：

• df.to_csv(文件路径) 
• df.to_excel(文件路径)

四、DataFrame的索引：

1、df [列名] ：返回series

2、df [ [列名1，列名2] ]：返回DataFrame

3、df [ 起始行(include)：结束行(exclude) ]：返回索引值所对应的行组成的DataFrame。

4、df [布尔列表]：返回列表中为True的行组成的DataFrame（布尔列表的长度必须与df的行数相同，且返回的DataFrame的索引是原表中的对应的索引）

5、df [多条件布尔查询]：使用’&‘和’|‘连接查询条件。

         注意：多条件布尔查询时，不能用and或or代替’&‘和’|‘。因为and和or它要求所连接的是真实的True或False，而例如df_baby_name['Count']>85000这样的条件语句返回的是一个series，而不是True或False，因此要用&代替and，用|代替or。

6、loc索引：

        df.loc[行维度，列维度] ——标签选择

        行维度：标签索引、标签切片(include:include) 、标签列表、<布尔数组>

        列维度：标签索引、标签切片(include:include) 、标签列表、<布尔数组>

        举例：

data=pd.read_csv('elections.csv') #数据
print(data.head()) #展示前几行

        数据示例：

         标签索引：

data.loc[0,'Party'] #标签索引

        结果：

'Republican' #类型为str

         标签切片：

data.loc[0:3,'Candidate':'%'] #标签切片,因为是标签构成的切片，
                              #因此（include：include），这里比较特殊！

        结果：

         标签列表：

data.loc[[1,2,3],['Candidate','%']] #标签列表

        结果：

         布尔数组：

data.loc[(data['%']<60)&(data['Candidate']=='Carter'),:]

        结果：

---

注意：易混淆的返回结果类型。

 

 

 7、iloc索引：

        df.iloc[行索引，列索引] ——索引选择

        行索引：整数索引、整数切片(include:exclude)、整数列表、<布尔数组>

        列索引：整数索引、整数切片(include:exclude)、整数列表、<布尔数组>

        举例：

data.iloc[0,0]

        结果：

        整数切片：

data.iloc[0:2,0:2]

        结果：

         整数列表：

data.loc[[1,2,3],['Candidate','%']]

        结果：

         布尔数组：iloc里的布尔表达式最后必须加.values，否则会报错哦！

data.iloc[(data['Result']=='win').values,:]

        结果：

 五、DataFrame的常用属性：

• shape：返回行数和列数。

• size：DataFrame的行数*列数，即元素的总个数
• index：返回行索引或行标签列表

 

•  columns：返回列标签列表

 六、DataFrame的常用方法：

• head(n) / tail(n)：返回dataframe的前/后n行，默认参数为5行
• describe()：显示每一列的描述性统计分析

print(data.describe())

 

•  info()：显示dataframe相关信息，包括每一列的非空值数量和数据类型

•  copy()：复制DataFrame的值和指针。

与 = 赋值运算不同的是，copy后得到的是一个新的一模一样的DataFrame，修改copy后的表的值并不改变原来的DataFrame，但是修改=复制后的表的值会改变原来的DataFrame。

举例：

data_copy=data.copy()
data_copy.iloc[0,0]='OLAOLA'
print('原表：\n',data.head())
print('copy表：\n',data_copy.head())

 举例：

data_equal=data
data_equal.iloc[0,0]='OLAOLA'
print('原表：\n',data.head())
print('=复制后的表：\n',data_equal.head())

•  sort_values()：DataFrame调用该方法将返回按照指定列排序后的dataFrame对象。

        df.sort_values('指定列'，ascending=True)：按指定列升序排列(默认)

        df.sort_values('指定列'，ascending=False)：按指定列降序排列

•  groupby(列名)：返回按照指定列名进行分组的DataFrameGroupBy对象，其实就是一个字典，key由指定列名的值组成，values即key对应的DataFrame。
• df.groupby(列名).agg([聚合函数])： 分组后再聚合，常用聚合函数有'min','mean','max','count','sum'等。

举例：

data.groupby('Party').agg(['mean','max'])

• concat()：拼接，将两个DataFrame拼接成为一个DataFrame。

concat(
    objs, #需要拼接对象，一般为列表或字典
    axis=0 #axis=0为行拼接，axis=1为列拼接
    join='outer', #out时外连接
    join_axea=None,
    ignore_index=False,
    keys=None,
    levels=None,
    names=None,
    verigy_integrity=False)

---

下期见！