pandas 数据分析2：DataFrame 属性和检索

DataFrame 属性和检索

建立一个随机数据（DataFrame），其行标签为年份，列标签为10天干，数据值为1~100的随机整数。

import pandas as pd

import numpy as np


years = pd.date_range("2002", periods=21, freq="A").year
# years

columns = list("甲乙丙丁戊己庚辛壬癸")

df = pd.DataFrame({ col: pd.Series(np.random.randint(1, 100, len(years)), index=years) for col in columns })
# df

数据信息总览

数据信息 - DataFrame.info()

默认参数全为空值且顾名思义。

df.info(verbose=None, buf=None, max_cols=None, memory_usage=None, show_counts=None)


df.info(max_cols=4)  # 10列，大于4，不输出列的详情

<class ‘pandas.core.frame.DataFrame’>
Index: 21 entries, 2002 to 2022
Columns: 10 entries, 甲 to 癸
dtypes: int32(10)
memory usage: 924.0 bytes

行列标签 - DataFrame.index & DataFrame.columns

行标签和列标签都是基本属性。

df.index

df.columns

数据类型 - Data.dtypes

一个由各列数据类型组成的 Series。

df.dtypes

甲 int32
乙 int32
…
癸 int32
dtype: object

其他【查看数据描述】的常用属性与方法

1. DataFrame.values，值部分，是一个数组，建议使用 DataFrame.to_numpy()。
2. DataFrame.axes，坐标，即行列标签。
3. DataFrame.ndim，维度，2；Series - 1。
4. DataFrame.shape，形状，行数和列数组成的一个元组。
5. DataFrame.size，行数×列数。
6. DataFrame.memory_usage()，返回各列内存使用情况组成的 Series。
7. DataFrame.empty，是否为空，布尔值。

检索方法

首尾部检索方法语法简单，DataFrame 调用则返回一个 DataFrame；Series 亦然。

首部 - DataFrame.head(n=5)

n 是一个默认参数，默认为5，此方法相当于 DataFrame[:n]，即对首部的 n 行进行检索。

df.head()  # df[:5]

df.head(4)  # df[:4]

type(df.head())  # DataFrame

尾部 - DataFrame.tail(n=5)

尾部检索相当于 DataFrame[-n:]

df.tail()  # df[-5:]

df.tail(10)  # df[-10:]

行与列的检索

经常来说，检索具有一定属性的某行（列）、某些行（列）是很必要的。

1. 一列

• 通过列标签直接索引，DataFrame[列标签]，返回一个 Series 对象。

2. 多列

• 通过标签列表直接索引，DataFrame[col_list]，返回一个 DataFrame 对象。

3. 一行

• 通过定位行标签或定位行数，见 here

4. 多行

• 通过行切片语法切片，DataFrame[0:3]，返回一个切片的 DataFrame。

定位检索

这里新建一个标签易于分辨的 DataFrame。

df2 = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9], [0, 0, 0]], index=list("甲乙丙丁"), columns=['A', 'B', 'C'])

df2.loc["甲"]
df2.loc[["甲", "丁"]]
df2.loc["甲":"丙"]

df2.loc[["甲", "乙"], ["A", "B"]]
df2.loc["甲":"丙", ["A", "B"]]
df2.loc["乙", "A"]  # df2.at["乙", "A"]

df2.iloc[1]
df2.iloc[[0, 2]]
df2.iloc[1:]

df2.iloc[[0, 2], [1, 2]]
df2.iloc[[0, 2], :]
df2.iloc[2, 1]  # df2.iat[2, 1]

定位标签 - loc/at

根据标签进行定位。

1. 获取某行 DataFrame.loc[行标签]

2. 获取多行

• DataFrame.loc[[行标签1, 行标签2, ...]]，和多维数组的定位类似。
• DataFrame.loc[行标签m: 行标签n]，和切片类似的语法。注意，冒号的前一个参数不写默认从第一个开始，冒号后一个参数不写默认到最后一个结束。

3. 行列标签结合定位：获取指定列标签的多行数据

• DataFrame.loc[行标签们, 列标签们]，其中标签们的格式可以是：列表格式 [标签1, 标签2, ...] 或切片格式 标签m: 标签n。
• 特别的，DataFrame[行标签, 列标签] 定位到一个指定位置，一般使用 at。

定位位置 - iloc/iat

根据行列位置进行定位。注意行列数都是从0开始数的。

1. 获取某行 DataFrame.iloc[行数]

2. 获取多行

• DataFrame.iloc[[行数1, 行数2, ...]]，和多维数组的定位类似。
• DataFrame.iloc[行数m: 行数n]，和切片类似的语法。注意，冒号的前一个参数不写默认从第一个开始，冒号后一个参数不写默认到最后一个结束。

3. 行列标签结合定位：获取指定列标签的多行数据

• DataFrame.iloc[行数们, 列数们]，其中标签们的格式可以是：列表格式 [数1, 数2, ...] 或切片格式 数m: 数n。
• 特别的，DataFrame[行数, 列数] 定位到一个指定位置，一般使用 iat。