版权声明:随意了,开心就好。反正是给大家分享的笔记 https://blog.csdn.net/u011486491/article/details/85731213
结构:
DataFrame是一个类似于表格的数据类型,如图:
参数:
data(方框内的数据): numpy ndarray (structured or homogeneous), dict, or DataFrame
index(行索引索引) : Index or array-like
columns (列索引): Index or array-like
dtype(data的数据类型) : dtype, default None
DataFrame的相关操作
创建:
# 新建对象 df = pd.DataFrame([1, 2, 3, 4, 5], columns=['cols'], index=['a','b','c','d','e']) df2 = pd.DataFrame([[1, 2, 3],[4, 5, 6]], columns=['col1','col2','col3'], index=['a','b']) df2结果: col1 col2 col3 a 1 2 3 b 4 5 6 # 从csv文件中读取数据 df = pd.read_csv("iris.csv", sep=',', names=["A","B","C","D"]) # 从excel中读取数据 df = pd.read_excel("iris.xlsx", sheetname='XXXX', header=True)
常用api
展示行、列
loc list of colum # 索引为a这一行的数据 df2.loc['a'] # 结果 col1 1 col2 2 col3 3 print df2.loc[['a','b']] # 结果 col1 col2 col3 a 1 2 3 b 4 5 6 print df.loc[df.index[1:3]] #结果 cols b 2 c 3 # 访问列数据 print df2[['col1','col3']] # 结果 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() #结果 col1 5 col2 7 col3 9 # 行求和 print df2.sum(1) #结果 a 6 b 15 dtype: int64 # 对每个元素乘以2 print df2.apply(lambda x:x*2)
合并
df_a = pd.DataFrame(['wang','jing','hui','is','a','master'],columns=['col6'],index=['a','b','c','d','e','f']) dfb = pd.DataFrame([1,2,4,5,6,7],columns=['col1'],index=['a','b','c','d','f','g']) # 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 # 结果 col1 col6 a 1 wang b 2 jing c 4 hui d 5 is f 6 master print dfb.join(df_a,how='outer') #结果 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