Pandas:DataFrame对象的基础操作方法

作者:断水流大湿兄 时间:2023-07-20 16:13:19 

DataFrame对象的创建,修改,合并


import pandas as pd
import numpy as np

创建DataFrame对象


# 创建DataFrame对象
df = pd.DataFrame([1, 2, 3, 4, 5], columns=['cols'], index=['a','b','c','d','e'])
print df

cols
a 1
b 2
c 3
d 4
e 5

df2 = pd.DataFrame([[1, 2, 3],[4, 5, 6]], columns=['col1','col2','col3'], index=['a','b'])
print df2

col1 col2 col3
a 1 2 3
b 4 5 6

df3 = pd.DataFrame(np.array([[1,2],[3,4]]), columns=['col1','col2'], index=['a','b'])
print df3

col1 col2
a 1 2
b 3 4

df4 = pd.DataFrame({'col1':[1,3],'col2':[2,4]},index=['a','b'])
print df4

col1 col2
a 1 2
b 3 4

创建DataFrame对象的数据可以为列表,数组和字典,列名和索引为列表对象

基本操作


# DataFrame对象的基本操作
df2.index

Index([u'a', u'b'], dtype='object')

df2.columns

Index([u'col1', u'col2', u'col3'], dtype='object')

# 根据索引查看数据
df2.loc['a']
# 索引为a这一行的数据
# df2.iloc[0] 跟上面的操作等价,一个是根据索引名,一个是根据数字索引访问数据

col1 1
col2 2
col3 3
Name: a, dtype: int64

print df2.loc[['a','b']] # 访问多行数据,索引参数为一个列表对象

col1 col2 col3
a 1 2 3
b 4 5 6

print df.loc[df.index[1:3]]

cols
b 2
c 3

# 访问列数据
print df2[['col1','col3']]

col1 col3
a 1 3
b 4 6

计算


# DataFrame元素求和
# 默认是对每列元素求和
print df2.sum()

col1 5
col2 7
col3 9
dtype: int64

# 行求和
print df2.sum(1)

a 6
b 15
dtype: int64

# 对每个元素乘以2
print df2.apply(lambda x:x*2)

col1 col2 col3
a 2 4 6
b 8 10 12

# 对每个元素求平方(支持ndarray一样的向量化操作)
print df2**2

col1 col2 col3
a 1 4 9
b 16 25 36

列扩充
# 对DataFrame对象进行列扩充
df2['col4'] = ['cnn','rnn']
print df2

col1 col2 col3 col4
a 1 2 3 cnn
b 4 5 6 rnn

# 也可以通过一个新的DataFrame对象来定义一个新列,索引自动对应
df2['col5'] = pd.DataFrame(['MachineLearning','DeepLearning'],index=['a','b'])
print df2

col1 col2 col3 col4  col5
a 1 2 3 cnn MachineLearning
b 4 5 6 rnn DeepLearning

行扩充


# 行进行扩充
print df2.append(pd.DataFrame({'col1':7,'col2':8,'col3':9,'col4':'rcnn','col5':'ReinforcementLearning'},index=['c']))

col1 col2 col3 col4   col5
a 1 2 3 cnn MachineLearning
b 4 5 6 rnn  DeepLearning
c 7 8 9 rcnn ReinforcementLearning

注意!


# 如果在进行行扩充时候没有,指定index的参数,索引会被数字取代
print df2.append({'col1':10,'col2':11,'col3':12,'col4':'frnn','col5':'DRL'},ignore_index=True)

col1 col2 col3 col4  col5
0 1 2 3 cnn MachineLearning
1 4 5 6 rnn DeepLearning
2 10 11 12 frnn  DRL

# 以上的行扩充,并没有真正修改,df2这个DataFrame对象,除非
df2 = df2.append(pd.DataFrame({'col1':7,'col2':8,'col3':9,'col4':'rcnn','col5':'ReinforcementLearning'},index=['c']))
print df2

col1 col2 col3 col4   col5
a 1 2 3 cnn MachineLearning
b 4 5 6 rnn  DeepLearning
c 7 8 9 rcnn ReinforcementLearning
c 7 8 9 rcnn ReinforcementLearning

print df2.loc['c']

col1 col2 col3 col4   col5
c 7 8 9 rcnn ReinforcementLearning
c 7 8 9 rcnn ReinforcementLearning

DataFrame对象的合并


# DataFrame 对象的合并
df_a = pd.DataFrame(['wang','jing','hui','is','a','master'],columns=['col6'],index=['a','b','c','d','e','f'])
print df_a

col6
a wang
b jing
c hui
d is
e a
f master

# 默认合并,只保留dfb中的全部索引
dfb = pd.DataFrame([1,2,4,5,6,7],columns=['col1'],index=['a','b','c','d','f','g'])
print dfb.join(df_a)

col1 col6
a 1 wang
b 2 jing
c 4 hui
d 5 is
f 6 master
g 7 NaN

# 默认合并之接受索引已经存在的值
# 通过指定参数 how,指定合并的方式
print dfb.join(df_a,how='inner') # 合并两个DataFrame对象的交集

col1 col6
a 1 wang
b 2 jing
c 4 hui
d 5 is
f 6 master

# 合并两个DataFrame对象的并集
print dfb.join(df_a,how='outer')

col1 col6
a 1.0 wang
b 2.0 jing
c 4.0 hui
d 5.0 is
e NaN a
f 6.0 master
g 7.0 NaN

来源:https://blog.csdn.net/u014281392/article/details/75331570

标签:Pandas,DataFrame,对象
0
投稿

猜你喜欢

  • 详解Python下载图片并保存本地的两种方式

    2023-04-03 05:21:36
  • 在python中读取和写入CSV文件详情

    2021-01-21 22:34:51
  • vue axios请求拦截实例代码

    2024-05-13 09:14:17
  • python获取文件真实链接的方法,针对于302返回码

    2023-11-23 04:31:03
  • vue.js2.0 实现better-scroll的滚动效果实例详解

    2023-07-02 16:58:50
  • python 如何快速复制序列

    2022-12-04 05:20:36
  • asp函数收藏

    2009-04-21 13:10:00
  • Python 多进程和数据传递的理解

    2021-06-01 02:30:07
  • Python3如何判断三角形的类型

    2022-01-06 22:12:51
  • Python 异常处理总结

    2021-10-21 21:10:19
  • PHP排序二叉树基本功能实现方法示例

    2023-07-10 04:45:53
  • 利用Python找回微信撤回信息

    2022-11-21 22:34:03
  • 一次MySql重置root密码无效的实战记录

    2024-01-15 07:38:45
  • [译]艺术和设计的差异 (2)

    2009-10-15 12:36:00
  • pycharm 配置svn的图文教程(手把手教你)

    2022-10-21 18:47:47
  • Python重试库 Tenacity详解(推荐)

    2021-07-07 00:20:09
  • C#使用Oracle.ManagedDataAccess.dll组件连接Oracle数据库

    2024-01-27 23:55:45
  • Python txt文件常用读写操作代码实例

    2021-08-22 04:38:28
  • 对laravel in 查询的使用方法详解

    2024-06-05 09:44:06
  • MySQL 有关MHA搭建与切换的几个错误log汇总

    2024-01-27 22:03:50
  • asp之家 网络编程 m.aspxhome.com