pandas之DataFrame数据分析
2.DATAFRAME
dataframe是我们最常使用的数据结构，它含有一组有序的列，每一列可以是不同的类型
import numpy as np
import pandas as pd
pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)
"""
data: numpy ndarray（结构化或同类），dict或DataFrame，Dict可以包含Series，数组，常量或类似列表的对象
index: dataframe的索引，如果没有自定义，则默认为RangeIndex（0,1,2，...，n）
columns：dataframe的列标签，如果没有自定义，则默认为RangeIndex（0,1,2，...，n）
dtype：默认None，要强制的数据类型。 只允许一个dtype
copy：boolean，默认为False
"""
创建DataFrame
df1 = pd.DataFrame(np.array([[10,20,25],[30,40,45]]))
print(df1)
"""
0 1 2
0 10 20 25
1 30 40 45
"""
df2 = pd.DataFrame([np.arange(1,8),np.arange(11,18)])
print(df2)
"""
0 1 2 3 4 5 6
0 1 2 3 4 5 6 7
1 11 12 13 14 15 16 17
"""
df1.df1.shape
"""
两行三列
(2, 3)
"""
df3 = pd.DataFrame(np.array([[10,20,25],[30,40,45]]),index=("a","b"),columns=("c1","c2","c3"))
df3
"""
index: 行索引
columns：列标签
c1 c2 c3
a 10 20 25
b 30 40 45
"""
df3.index
"""
取行索引
Index([\'a\', \'b\'], dtype=\'object\')
"""
df3.columns[0]
"""
取列标签第一个
\'c1\'
"""
df3.columns = ["h1","h2","h3"]
df3
"""
修改列标签
h1 h2 h3
a 10 20 25
b 30 40 45
"""
df4 = pd.DataFrame({\'a\':[1,2,3],\'b\':5})
df4
"""
a b
0 1 5
1 2 5
2 3 5
"""
l1 = pd.Series(np.arange(1,9,2))
l2 = pd.Series(np.arange(2,10,2))
l1
"""
1-9以2为间隔的Series数据
0 1
1 3
2 5
3 7
"""
df5 = pd.DataFrame({"a1":l1,"a2":l2})
df5
"""
a1 a2
0 1 2
1 3 4
2 5 6
3 7 8
"""
CSV中读取数据
eu1 = pd.read_csv(r"C:\Users\Administrator\Desktop\csv_file.csv")
eu1
"""
文件数据
a b c d e f g h
0 1 11 112 1123 11234 112345 1123456 11234567
1 2 20 200 242 4453 5434 7867 3768324
2 2 30 300 8348 36738 786 45723 678
3 4 40 400 76867 76786 78678 3683 78
4 5 50 500 5543 42345 368736 38533 38763
5 6 60 600 6786 5675 767 464565 457
6 7 70 700 37417 3 38737 543737 37632
7 8 80 800 678 3453 7867 34537 38763
8 9 90 900 434537 7378 8 2137 378
9 10 100 1000 7378 7843 7678 78 3534
"""
eu1.head(3)
"""
head(3)显示前3行数据，默认前5行
a b c d e f g h
0 1 11 112 1123 11234 112345 1123456 11234567
1 2 20 200 242 4453 5434 7867 3768324
2 2 30 300 8348 36738 786 45723 678
"""
eu12.tail(2)
"""
tail(2)显示后两行数据，默认后5行
a b c d e f g h
8 9 90 900 434537 7378 8 2137 378
9 10 100 1000 7378 7843 7678 78 3534
"""
len(eu1)
"""
eu1的数据条数(行)
10
"""
eu1.shape
"""
10行8列
(10,8)
"""
eu1.shape[0]
"""
10行
10
"""
eu1.shape[1]
"""
8列
8
"""
eu1.index
"""
起始：0， 结束：10，步长：1
RangeIndex(start=0, stop=10, step=1)
"""
DataFrame操作数据的行/列
1.使用 [ ] 运算符进行切片,按照索引能够实现行选择或列选择或区块选择
# 行选择 eu1[1:4] """ 1-3行的数据 a b c d e f g h 1 2 20 200 242 4453 5434 7867 3768324 2 2 30 300 8348 36738 786 45723 678 3 4 40 400 76867 76786 78678 3683 78 """ eu1.index.get_loc(0) """ eu1.index.get_loc(\'行标签\') 0标签的索引 0 """列选择
多列选择，不能像行选择时一样使用num1:num2这样的方法来选择
eu1[\'b\']
type(eu1[\'b\'])
"""
标签为bt的一列数据,Series类型
0 11
1 20
2 30
3 40
4 50
5 60
6 70
7 80
8 90
9 100
Name: b, dtype: int64pandas.core.series.Series
"""
eu1[[\'b\']]
"""
标签为b的一列数据，DataFrame类型
b
0 11
1 20
2 30
3 40
4 50
5 60
6 70
7 80
8 90
9 100
pandas.core.frame.DataFrame
"""
eu1[[\'a\',\'b\']]
"""
eu12[[\'开始列\',\'结束列\']]
a b
0 1 11
1 2 20
2 2 30
3 4 40
4 5 50
5 6 60
6 7 70
7 8 80
8 9 90
9 10 100
"""
eu1.columns.get_loc(\'a\')
"""
eu1.columns.get_loc(\'a\') a列的索引
0
"""
区块选择
eu1[2:4][[\'a\',\'b\']]
"""
获取第2行第4行中,\'a\'和\'b\'列的值
a b
2 2 30
3 4 40
"""
2.使用 loc 按照索引（index）的值来进行行列选择
# 行选择 eu1.loc[2] type(eu1.loc[2]) """ 第2行的数据 a 2 b 30 c 300 d 8348 e 36738 f 786 g 45723 h 678 Name: 2, dtype: int64pandas.core.series.Series
"""
eu1.loc[[2]]
type(eu1.loc[[2]])
"""
第2行的数据
a b c d e f g h
2 2 30 300 8348 36738 786 45723 678
pandas.core.frame.DataFrame
"""
eu1.loc[1:2]
"""
1-2行的数据
a b c d e f g h
1 2 20 200 242 4453 5434 7867 3768324
2 2 30 300 8348 36738 786 45723 678
"""
列选择
eu1.loc[1:2,[\'a\',\'b\']]
"""
数据基础上去a,b列
a b
1 2 20
2 2 30
"""
只能去连续的块选
eu1.loc[1:4,[\'a\',\'b\',\'c\']]
"""
1-4行,\'a\',\'b\',\'c\'列
"""
3.使用 iloc 按照索引 (index) 的位置来进行选取
iloc全是以0开头的行号和列号
# 行选择
eu1.iloc[[2]]
"""
2行数据
a b c d e f g h
2 2 30 300 8348 36738 786 45723 678
"""
eu1.iloc[0:2]
"""
0-1行的数据
a b c d e f g h
0 1 11 112 1123 11234 112345 1123456 11234567
1 2 20 200 242 4453 5434 7867 3768324
"""
列选择
eu1.iloc[0:2,[1,2]]
"""
0-1行中,列索引为1,2的数据
b c
0 11 112
1 20 200
"""
块选择
eu1.iloc[[1,2,4],[1,3]]
"""
1,2,4行; 1,3列
b d
1 20 242
2 30 8348
4 50 5543
"""
4.使用 .at[ ] 和 .iat[ ] 按标签或位置进行标量查找(获取某一行列的值)
at的使用方法与loc类似，但是比loc有更快的访问数据的速度，但只能访问单个元素，不能访问多个元素
iat对于iloc的关系就像at对于loc的关系，是一种更快的基于索引位置的选择方法，同at一样只能访问单个元素
eu1.at[2,\'b\']
"""
获取第2行b列的元素
20
"""
eu1.iat[2,1]
"""
获取第2行1列的元素
30
"""
5.使用 .ix[]
以上说过的几种方法都要求查询的秩在索引中，或者位置不超过长度范围，而ix允许你得到不在DataFrame索引中的数据。
eu1.ix[1:12]
"""
数据只到9行
a b c d e f g h
1 2 20 200 242 4453 5434 7867 3768324
2 2 30 300 8348 36738 786 45723 678
3 4 40 400 76867 76786 78678 3683 78
4 5 50 500 5543 42345 368736 38533 38763
5 6 60 600 6786 5675 767 464565 457
6 7 70 700 37417 3 38737 543737 37632
7 8 80 800 678 3453 7867 34537 38763
8 9 90 900 434537 7378 8 2137 378
9 10 100 1000 7378 7843 7678 78 3534
"""
eu1.ix[[9,11]]
"""
a b c d e f g h
9 10.0 100.0 1000.0 7378.0 7843.0 7678.0 78.0 3534.0
11 NaN NaN NaN NaN NaN NaN NaN NaN
"""
a