Article / 文章中心

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