【Análisis y visualización de datos】 Pandas Dataframe

import numpy as np
import pandas as pd
from pandas import Series, DataFrame

 # 引入网页
import webbrowser
link = 'https://www.tiobe.com/tiobe-index/'

webbrowser.open(link)

True

# 获取剪贴板数据
df = pd.read_clipboard()
df

	Año	Ganador
2019	medalla	C
2018	medalla	Pitón
2017	medalla	C
2016	medalla	Vamos
2015	medalla	Java
2014	medalla	JavaScript
2013	medalla	Transact-SQL
2012	medalla	C objetivo
2011	medalla	C objetivo
2010	medalla	Pitón
2009	medalla	Vamos
2008	medalla	C
2007	medalla	Pitón
2006	medalla	Rubí
2005	medalla	Java
2004	medalla	PHP
2003	medalla	C ++

# 查看类型-DataFrame
type(df)

pandas.core.frame.DataFrame

# 返回列
df.columns

Index(['Year', 'Winner'], dtype='object')

# 获取某列的value
df.Winner

2019               C
2018          Python
2017               C
2016              Go
2015            Java
2014      JavaScript
2013    Transact-SQL
2012     Objective-C
2011     Objective-C
2010          Python
2009              Go
2008               C
2007          Python
2006            Ruby
2005            Java
2004             PHP
2003             C++
Name: Winner, dtype: object

# 提取数据生成新 过滤DataFrame
df_new = DataFrame(df, columns=['Year'])
df_new

	Año
2019	medalla
2018	medalla
2017	medalla
2016	medalla
2015	medalla
2014	medalla
2013	medalla
2012	medalla
2011	medalla
2010	medalla
2009	medalla
2008	medalla
2007	medalla
2006	medalla
2005	medalla
2004	medalla
2003	medalla

# 假如列名有空格，用此方法读取
df_new['Year']

2019    medal
2018    medal
2017    medal
2016    medal
2015    medal
2014    medal
2013    medal
2012    medal
2011    medal
2010    medal
2009    medal
2008    medal
2007    medal
2006    medal
2005    medal
2004    medal
2003    medal
Name: Year, dtype: object

# 其中某列的类型 Series
type(df_new['Year'])

pandas.core.series.Series

# 提取数据生成新 过滤DataFrame
# 如果列名根本不存在 值默认为NaN
df_new = DataFrame(df, columns=['Year','Age'])
df_new

	Año	Años
2019	medalla	NaN
2018	medalla	NaN
2017	medalla	NaN
2016	medalla	NaN
2015	medalla	NaN
2014	medalla	NaN
2013	medalla	NaN
2012	medalla	NaN
2011	medalla	NaN
2010	medalla	NaN
2009	medalla	NaN
2008	medalla	NaN
2007	medalla	NaN
2006	medalla	NaN
2005	medalla	NaN
2004	medalla	NaN
2003	medalla	NaN

# 通过字典方式给空值赋值(必须全部写满列)
df_new['Age'] = range(0,17)
df_new

	Año	Años
2019	medalla	0 0
2018	medalla	1
2017	medalla	2
2016	medalla	3
2015	medalla	4 4
2014	medalla	5 5
2013	medalla	6 6
2012	medalla	7 7
2011	medalla	8
2010	medalla	9 9
2009	medalla	10
2008	medalla	11
2007	medalla	12
2006	medalla	13
2005	medalla	14
2004	medalla	15
2003	medalla	dieciséis

df_new['Age'] = np.arange(0,17)
df_new

	Año	Años
2019	medalla	0 0
2018	medalla	1
2017	medalla	2
2016	medalla	3
2015	medalla	4 4
2014	medalla	5 5
2013	medalla	6 6
2012	medalla	7 7
2011	medalla	8
2010	medalla	9 9
2009	medalla	10
2008	medalla	11
2007	medalla	12
2006	medalla	13
2005	medalla	14
2004	medalla	15
2003	medalla	dieciséis

# 利用DataFrame某列返回值是Series类型的特点
df_new['Age'] = pd.Series(np.arange(0,17))
df_new

	Año	Años
2019	NaN	NaN
2018	NaN	NaN
2017	NaN	NaN
2016	NaN	NaN
2015	NaN	NaN
2014	NaN	NaN
2013	NaN	NaN
2012	NaN	NaN
2011	NaN	NaN
2010	NaN	NaN
2009	NaN	NaN
2008	NaN	NaN
2007	NaN	NaN
2006	NaN	NaN
2005	NaN	NaN
2004	NaN	NaN
2003	NaN	NaN

# 修改部分值
df_new['Age'] = pd.Series([18, 17], index=[2019, 2018])
df_new

	Año	Años
2019	NaN	18,0
2018	NaN	17,0
2017	NaN	NaN
2016	NaN	NaN
2015	NaN	NaN
2014	NaN	NaN
2013	NaN	NaN
2012	NaN	NaN
2011	NaN	NaN
2010	NaN	NaN
2009	NaN	NaN
2008	NaN	NaN
2007	NaN	NaN
2006	NaN	NaN
2005	NaN	NaN
2004	NaN	NaN
2003	NaN	NaN