数据分析 - pandas(3)

创建特定的index和columns

在数据分析-pandas(2)的时候，我们简单的讲解了一下关于DataFrame的横向索引index和纵向索引columns,他们默认是从0开始的，现在我们来学习一下，如何创建特定的index和columns

代码实例

创建默认的DataFrame

#导入pandas包
In [2]: import pandas as pd

#导入numpy包
In [3]: import numpy as np

#生成DataFrame矩阵数据表
In [4]: t = pd.DataFrame(np.arange(1,13).reshape(3,4))

#得到结果
In [5]: t
Out[5]:
   0   1   2   3
0  1   2   3   4
1  5   6   7   8
2  9  10  11  12

创建、设置index和columns的值

#创建特定的index和columns的DataFrame
In [6]: t = pd.DataFrame(np.arange(1,13).reshape(3,4),index=["a","b","c"],columns=["w","x","y","z"])

#输出打印 t 
In [7]: t
Out[7]:
   w   x   y   z
a  1   2   3   4
b  5   6   7   8
c  9  10  11  12

可以看到，我们的DataFrame矩阵数据表index标签和columns标签的值发生了变化,由最初的0、1、2、3变成了a、b、c和w、x、y、z

DataFrame和Series的关系

我们在数据分析-pandas(1)讲解了Series数组，现在来串一下DataFrame和Series的关系

上图就是一个DataFrame矩阵数据表，但是，如果单看红色边框圈出来的部分，其实就是Series数组

因此，我们说：DataFrame是Series容器

那么，问题就来了

既然说DataFrame是Series的容器，那么，当初在创建Series的时候可以通过传入字典来创建，那么，我们创建DataFrame的时候可不可也通过传入字典来创建呢？

答案是：当然可以

传入字典创建DataFrame

#创建字典 a
 a = {"name":["小红","小亮","小张"],"age":[20,18,22],"sex":["女","男","男"]}

#生成 DataFrame 矩阵数据表
t = pd.DataFrame(a)

#输出打印 t
In [9]: t
Out[9]:
   age name sex
0   20   小红   女
1   18   小亮   男
2   22   小张   男

可以看到，当我们传入字典创建DataFrame的时候，我们字典的键，成为了columns的标签，事实也证明，我们DataFrame是可以通过传入字典创建的

那么，当我们学习了上面的知识点后，又有一个问题接踵而至，对于一个dataframe类型，既有行索引，又有列索引，我们能够对他做什么操作呢

DataFrame的方法

DataFrame的基础属性

方法	作用
df.shape	返回矩阵数据表的行数和列数
df.dtypes	返回矩阵数据表的列数据类型
df.ndim	返回数据维度
df.index	返回行索引
df.columns	返回列索引
df.values	对象值，二维ndarry数组

DataFrame的整体情况查询

方法	作用
df.head(3)	显示头部几行，默认是5行数据
df.tail(3)	显示末尾几行，默认是5行数据
df.info()	相关信息概览：行数、列数，列索引，列非空值个数，列类型，内存占用等
df.sort_values(by=“columns标签”)	DataFrame中排序的方法,指按照columns标签索引进行排序，默认是升序(ascending=True),通过设置asceding改变排序方式
df.describe()	快速综合统计结果：计数，均值，标准差，最大值，四分位数，最小值