pd.DataFrame()

DataFrame 是一种二维的数据模型，相当于EXcel表格中的数据，有横竖两种坐标，横轴用columns，竖轴用index 来确定，在建立DataFrame 对象的时候，需要确定三个元素：数据，竖轴，横轴。
DataFrame既有行索引也有列索引，

import pandas as pd import numpy as np a = pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz')) print(a)

1. 设置索引index

a.index = a['x'] print(a)

//可新建一个DataFrame，index设置为别的表格index labels = pd.DataFrame(columns=['s','x'],index=a.index) print(labels)

2. a.iloc[行位置，列位置]

通过默认生成的数字索引查询指定的数据

下面表格说明:

• i值里的数字可以为正数也可以为负数，正数0代表第一行，1代表第2行；负数 -1代表倒数第一行，-2代表倒数第2行

方法说明：行(列)数索引值从0开始

a.iloc[i]	i值可以是数字也可以是一个数组，获取第i行数据或者行子集
a.iloc[:,j]	j值可以是数字也可以是一个数组, 获取第j列数据或者列子集
a.iloc[i,j]	获取第i行第j列的值

1. a.iloc[i] 获取第i行数据或者行子集

print(a) print(a.iloc[0]) #获取第一行数据

print(a.iloc[:2]) #获取第一行和第二行

print(a.iloc[1:]) #获取第二行到最后一行的数据

print(a.iloc[[0,-1]]) #获取第一行和倒数第一行数据

2. a.iloc[:,j] 获取第j列数据或者列子集

print(a.iloc(:,0) #获取第0列数据

print(a.iloc[:,[0,1]]) #获取第一列和第二列数据

print(a.iloc[:,:2]) #获取第一列和第2列

3. a.iloc[i,j] 获取第i行第j列的值

print.iloc(-1,0) #获取倒数第一行第一列数据，即 12 print(a.iloc[1,[0,1]]) #获取第2行，第一二列数据

print(a.iloc[[0,1],2]) #获取第一二行第3列数据

print(a.iloc[[0,1],[1,2]]) #获取第一二行的第二三列数据

3. 将Pandas中的DataFrame类型转换成Numpy中array类

在用pandas包和numpy包对数据进行分析和计算时，经常用到DataFrame和array类型的数据。在对DataFrame类型的数据进行处理时，需要将其转换成array类型

1.a.values

import numpy as np import pandas as pdprint(a.values) print(a['w'].values)

2.使用numpy中的array方法

print(np.array(a)) print(np.array(a['w']))

4. pandas使用sort_index排序

DataFrame.sort_index(axis=0, level=None, ascending=True, inplace=False, kind=‘quicksort’, na_position=‘last’, sort_remaining=True, ignore_index=False, key=None)[source]
sort_index文档
axis：0按照行名排序；1按照列名排序
level：默认None，否则按照给定的level顺序排列—貌似并不是，文档
ascending：默认True升序排列；False降序排列
inplace：默认False，否则排序之后的数据直接替换原来的数据框
kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太关心。
na_position：缺失值默认排在最后{“first”,“last”}
by：按照某一列或几列数据进行排序，但是by参数貌似不建议使用

x.sort_index() 默认参数ascending=True 对行index升序排列

c = pd.DataFrame(np.arange(16).reshape(4,4),index=list('adbc'),columns=list('wxyz')) print(c['w'].sort_index()) #原本index为adbc,对index排序后变成abcd

c = pd.DataFrame(np.arange(16).reshape(4,4),index=list('adbc'),columns=list('wxyz')) print(c) c.sort_index(ascending=True,inplace=True) print(c) #inplace=True,这时候c被修改了

x.sort_index(ascending=False)对行index降序排列

print(c['w'].sort_index(ascending=False))

3. 对列columns排序
默认axis=0，对行index排序，axis=1对列index排行

d = pd.DataFrame(np.arange(16).reshape(4,4),index=list('adbc'),columns=list('zwyx')) print(d) print(d.sort_index(axis=1)) # 原本列columns为zwyx, 对列columns排序后变成wxyz

对列columns降序排列

print(d.sort_index(axis=1,ascending=False)) # 原本列columns为zwyx, 对列columns排序后变成zyxw

5. pandas中的rolling函数用于移动计算

DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None, method=‘single’)
rolling文档

window： 也可以省略不写。表示时间窗的大小，注意有两种形式（int or offset）。如果使用int，则数值表示计算统计量的观测值的数量即向前几个数据。如果是offset类型，表示时间窗的大小。、min_periods：每个窗口最少包含的观测值数量，小于这个值的窗口结果为NA。值可以是int，默认None。offset情况下，默认为1。
center参数，默认为False，表示当前元素往上选，加上本身总共筛选3个。
center参数，默认为True，表示以当前元素为中心，从个方向进行筛选。
win_type: 窗口的类型。截取窗的各种函数。字符串类型，默认为None。各种类型
on: 可选参数。对于dataframe而言，指定要计算滚动窗口的列。值为列名。
axis: int、字符串，默认为0，即对列进行计算
closed：定义区间的开闭，支持int类型的window。对于offset类型默认是左开右闭的即默认为right。可以根据情况指定为left both等。

print(d) print(d['w'].rolling(3).sum()) #相当于创建了一个长度为3的窗口，窗口从上到下依次滑动，当前行加上前2行数据的总和

print(d['w'].rolling(3,center=True).sum())

6.pandas的填充缺失值fillna()

在数据集里面的缺失值需要填充起来，避免各种出错,在做分析的时候，我们经常要将缺失值填充为前一个值，或者是后一个值。

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)[source]

参数说明

method	取值 : {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, default None pad/ffill：用前一个非缺失值去填充该缺失值 backfill/bfill：用下一个非缺失值填充该缺失值 None：指定一个值去替换缺失值（缺省默认这种方式）
inplace	False 创建一个副本，修改副本，原对象不变（缺省默认） True 直接修改原对象
axis	默认是纵向填充的;1是左右横向填充的

fillna文档

import pandas as pd import numpy as np from numpy import nan as NaNdf1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]]) print(df1)

1.用常数填充

print(df1.fillna(100)) # 将所有NaN替换成100

2.用字典填充

print(df1.fillna({0:10,1:20,2:30})) # 将columns为0的所有NaN填充10，为1列的所有NaN填充20，为2列的所有NaN填充30

3.用前一个非缺失值去填充

print(df1.fillna(method='ffill')) #用前一个非缺失值去填充该缺失值

4.用后一个非缺失值去填充

print(df1.fillna(method='bfill')) #用后一个非缺失值去填充该缺失值

7.pandas中的where()

where文档
DataFrame.where(cond, other=nan, inplace=False, axis=None, level=None, errors=‘raise’, try_cast=NoDefault.no_default)
cond :条件判断
other： 条件cond为False时，将值替换为other

import pandas as pd import numpy as npdf1=pd.DataFrame([[1,2,3],[4,5,6],[7,8,9]]) print(df1)

print(df1.where(df1!=1,100)) #条件判断为False的值替换为100，即值为1的替换成100

8. pandas.DataFrame.copy

DataFrame.copy文档

DateFrame.copy(deep=True) ：复制object的索引和数据

• 当deep=True时(默认), 会创建一个新的对象进行拷贝. 修改这份拷贝不会对原有对象产生影响.
• 当deep=False时, 新的对象只是原有对象的references. 任何对新对象的改变都会影响到原有对象

a = pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))# b = pd.DataFrame(np.array([33,11,22,44]),index=list('adbc'),columns=['m']) print(a)p = a.iloc[2:] p.index = a.iloc[:2].index print(p)

p.iloc[:2] = p - 1 print(p) print(a) #可以看到a的后2行也被修改了

上面操作可以看到修改p后a也被修改了，因此我们可以用DateFrame.copy(deep=True) 复制索引和数据。

a = pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))# b = pd.DataFrame(np.array([33,11,22,44]),index=list('adbc'),columns=['m']) print(a)p = a.iloc[2:].copy(deep=True) p.index = a.iloc[:2].index p.iloc[:2] = p - 1 print(p) print(a) #此时a没有变化

总结

以上是生活随笔为你收集整理的pandas中的DataFrame数据结构的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。