Pandas基础（二）

DataFrame:行列索引+多维数组

DataFrame既有行索引(index)、也有列索引(columns)

DataFrame常用于表达二维数据，但可以表达多维数据。

import pandas as pd
import numpy as np
data=np.random.randint(60,100,size=(2,3))
name=['虎酱','刀酱','阿龙']
text=['期中','期末']
df=pd.DataFrame(data,index=text,columns=name)
# print(df.max())              #三人的最高成绩
# print(df.describe())         #三人两次考试的所有数据
#25%，50%，75% 就是将列内的数值由小到大排列并分成四等份，处于25%、50%、75%三个分割点位置的数值。
df.loc['Row_sum']=df.apply(lambda x:x.sum(),axis=0)     #增加新的行
row_sum = df.loc["Row_sum",:]
row_sum_argmax = row_sum[row_sum == row_sum.max()].index  #获得总成绩最高对应的索引

df['col_sum']=df.apply(lambda x:x.sum(),axis=1)           #增加新的列
print('优秀的',row_sum_argmax)
print(df)

output:
优秀的 Index(['刀酱'], dtype='object')
          虎酱   刀酱   阿龙  col_sum
期中        72   96   96      264
期末        74   96   67      237
Row_sum  146  192  163      501

Process finished with exit code 0

obj.axes #获取行及列索引
obj.T # 行与列对调
obj. info() #打印DataFrame对象的信息
obj.head(i) #显示前 i 行数据
obj.tail(i) #显示后 i 行数据

Pandas索引

df[列关键字索引值或列表] #例如：df[['虎酱','刀酱','阿龙']]
df.loc[行关键字索引值或列表] #例如：df.loc[['期中','期末']]
df.iloc[行位置参数或列表,列位置参数或列表]
#例如：
# print(df.iloc[1,:]) #索引为1所在行的所有内容
# print(df.iloc[1:,]) #索引为1以及索引为1之后的所有内容
# print(df.iloc[:,1]) #索引为1所在列的所有内容

重新索引： df.reindex(index=[...])
删除列：df.drop(3) #删除索引为3的列

索引的类型