Python数据分析与展示:DataFrame类型简单操作-9
发布时间:2021-11-23 点击数:613
DataFrame类型
DataFrame类型由共用相同索引的一组列组成
DataFrame是一个表格型的数据类型,每列值类型可以不同
DataFrame既有行索引、也有列索引
index axis=0
axis=1 column
DataFrame常用于表达二维数据,但可以表达多维数据
DataFrame类型可以由如下类型创建:
二维ndarray对象
由一维ndarray、列表、字典、元组或Series构成的字典
Series类型
其他的DataFrame类型
DataFrame是二维带“标签”数组
DataFrame基本操作类似Series,依据行列索引
代码示例
# -*- coding: utf-8 -*- # @File : dataframe_demo.py # @Date : 2018-05-20 import pandas as pd import numpy as np # DataFrame对象 # 从二维ndarray对象创建 自动行、列索引 df = pd.DataFrame(np.arange(10).reshape(2, 5)) print(df) """ 0 1 2 3 4 0 0 1 2 3 4 1 5 6 7 8 9 """ # 从一维ndarray对象字典创建 dt = { "one": pd.Series([1, 2, 3], index=["a", "b", "c"]), "two": pd.Series([5, 6, 7, 8], index=["a", "b", "c", "d"]) } df = pd.DataFrame(dt) print(dt) """ { 'one': a 1 b 2 c 3 dtype: int64, 'two': a 5 b 6 c 7 d 8 dtype: int64 } """ # 数据根据行列索引自动补齐 df = pd.DataFrame(dt, index=["a", "b", "c"], columns=["one", "two"]) print(df) """ one two a 1 5 b 2 6 c 3 7 """ # 从列表类型的字典创建 dt = { "one": [1, 2, 3, 4], "two": [5, 6, 7, 9] } df = pd.DataFrame(dt, index=["a", "b", "c", "d"]) print(df) """ one two a 1 5 b 2 6 c 3 7 d 4 9 """ # 获取行索引 print(df.index) # Index(['a', 'b', 'c', 'd'], dtype='object') # 获取列索引 print(df.columns) # Index(['one', 'two'], dtype='object') # 获取值 print(df.values) """ [[1 5] [2 6] [3 7] [4 9]] """ # 获取列 print(df["one"]) """ a 1 b 2 c 3 d 4 Name: one, dtype: int64 """ #获取行 print(df.ix["a"]) """ one 1 two 5 Name: a, dtype: int64 """ # 获取某单元格的值 print(df["one"]["a"]) # 1