📃 DataFrame

DataFrame是一个表格型的数据结构，类似于Excel或sql表，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。

DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）

DataFrame的创建

用多维数组字典、列表字典生成 DataFrame：

data = {
    'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
    'year': [2000, 2001, 2002, 2001, 2002],
    'pop': [1.5, 1.7, 3.6, 2.4, 2.9]
}
frame = pd.DataFrame(data)
print(frame)

输出：

    state  year  pop
0    Ohio  2000  1.5
1    Ohio  2001  1.7
2    Ohio  2002  3.6
3  Nevada  2001  2.4
4  Nevada  2002  2.9

指定行的名称

通过index指定每一行的名称：

frame = pd.DataFrame(data, index=['one', 'two', 'three', 'four', 'five'])
print(frame)

输出：

        state  year  pop
one      Ohio  2000  1.5
two      Ohio  2001  1.7
three    Ohio  2002  3.6
four   Nevada  2001  2.4
five   Nevada  2002  2.9

:::warning 注意：行的数量应与创建的frame对应，否则会报错。 :::

指定列的排序

如果指定了列顺序，则DataFrame的列就会按照指定顺序进行排列

data = {
    'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
    'year': [2000, 2001, 2002, 2001, 2002],
    'pop': [1.5, 1.7, 3.6, 2.4, 2.9]
}
frame = pd.DataFrame(data, columns=['year', 'state', 'pop'])
print(frame)

输出：

   year   state  pop
0  2000    Ohio  1.5
1  2001    Ohio  1.7
2  2002    Ohio  3.6
3  2001  Nevada  2.4
4  2002  Nevada  2.9

跟原Series一样，如果传入的列在数据中找不到，就会产生NAN值

frame = pd.DataFrame(data, columns=['year', 'state', 'pop', 'debt'], index=['one', 'two', 'three', 'four', 'five'])
print(frame)

输出：

       year   state  pop debt
one    2000    Ohio  1.5  NaN
two    2001    Ohio  1.7  NaN
three  2002    Ohio  3.6  NaN
four   2001  Nevada  2.4  NaN
five   2002  Nevada  2.9  NaN

用 Series 生成 DataFrame

可以通过Series生成DataFrame，同样地，如果数据对应不上，则产生NaN值

d = {'one': pd.Series([1., 2., 3.], index=['a', 'b', 'c']),
     'two': pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
print(pd.DataFrame(d))

输出：

   one  two
a  1.0  1.0
b  2.0  2.0
c  3.0  3.0
d  NaN  4.0

DataFrame的获取

通过类似字典标记的方式或属性的方式，可以将DataFrame的列获取为一个Series,返回的Series拥有原DataFrame相同的索引

frame = pd.DataFrame(data, columns=['year', 'state', 'pop'], index=['one', 'two', 'three', 'four', 'five'])
print(frame['state'])

输出：

one        Ohio
two        Ohio
three      Ohio
four     Nevada
five     Nevada
Name: state, dtype: object

通过数组赋值

通过np.arange()可以为每个元素赋值

frame['debt'] = np.arange(5.)
print(frame)

输出

       year   state  pop  debt    new
one    2000    Ohio  1.5   0.0  24.75
two    2001    Ohio  1.7   1.0  28.05
three  2002    Ohio  3.6   2.0  59.40
four   2001  Nevada  2.4   3.0  39.60
five   2002  Nevada  2.9   4.0  47.85

或者直接通过数组为每个元素赋值：

frame['debt'] = [1,2,3,4,5]
print(frame)

输出：

       year   state  pop  debt
one    2000    Ohio  1.5     1
two    2001    Ohio  1.7     2
three  2002    Ohio  3.6     3
four   2001  Nevada  2.4     4
five   2002  Nevada  2.9     5

DataFrame的修改

列可以通过赋值的方式进行修改,例如，给那个空的“delt”列赋上一个标量值或一组值

frame['debt'] = 16.5
print(frame)

输出：

       year   state  pop  debt
one    2000    Ohio  1.5  16.5
two    2001    Ohio  1.7  16.5
three  2002    Ohio  3.6  16.5
four   2001  Nevada  2.4  16.5
five   2002  Nevada  2.9  16.5

同样地，也可以创建一个新的列：

frame['new'] = frame2['debt' ]* frame2['pop'] 
print(frame)

输出：

       year   state  pop  debt    new
one    2000    Ohio  1.5  16.5  24.75
two    2001    Ohio  1.7  16.5  28.05
three  2002    Ohio  3.6  16.5  59.40
four   2001  Nevada  2.4  16.5  39.60
five   2002  Nevada  2.9  16.5  47.85

DataFrame的转置

使用T可以获取到DataFrame的转置

frame.T

转化为numpy

通过to_numpy将DataFrame转化为numpy，举例：

frame.to_numpy()

array([[2000, 'Ohio', 1.5, 1],
       [2001, 'Ohio', 1.7, 2],
       [2002, 'Ohio', 3.6, 3],
       [2001, 'Nevada', 2.4, 4],
       [2002, 'Nevada', 2.9, 5]], dtype=object)

:::info DataFrame.to_numpy() 的输出不包含行索引和列标签。 :::