Pandas DataFrame 是二维大小可变、可能异构的表格数据结构，带有标记轴（行和列）。数据框是一种二维数据结构，即数据以表格形式按行和列排列。Pandas DataFrame 由三个主要组件组成，即 数据、 行和 列。
创建 Pandas DataFrame
Pandas DataFrame 将通过从现有存储中加载数据集来创建，存储可以是 SQL 数据库、CSV 文件和 Excel 文件。Pandas DataFrame 可以从列表、字典以及字典列表等中创建。
以下是我们创建数据框的
一些方法：使用列表创建数据框： 可以使用
单个列表或列表列表创建数据框。
import pandas as pd
# list of strings
lst = ['Geeks', 'For', 'Geeks', 'is',
'portal', 'for', 'Geeks']
# Calling DataFrame constructor on list
df = pd.DataFrame(lst)
print(df)
输出：
输出
从 ndarray/lists 的字典创建 DataFrame： 要从 narray/list 的字典创建 DataFrame，所有 narray 的长度必须相同。如果传递了索引，则长度索引应等于数组的长度。如果没有传递索引，则默认情况下，索引将是 range(n)，其中 n 是数组长度。
# Python code demonstrate creating
# DataFrame from dict narray / lists
# By default addresses.
import pandas as pd
# intialise data of lists.
data = {'Name':['Tom', 'nick', 'krish', 'jack'],
'Age':[20, 21, 19, 18]}
# Create DataFrame
df = pd.DataFrame(data)
# Print the output.
print(df)
输出：
处理行和列
数据框是一种二维数据结构，即数据以行和列的形式排列。我们可以对行/列执行基本操作，如选择、删除、添加和重命名。
# Import pandas package
import pandas as pd
# Define a dictionary containing employee data
data = {'Name':['Jai', 'Princi', 'Gaurav', 'Anuj'],
'Age':[27, 24, 22, 32],
'Address':['Delhi', 'Kanpur', 'Allahabad', 'Kannauj'],
'Qualification':['Msc', 'MA', 'MCA', 'Phd']}
# Convert the dictionary into DataFrame
df = pd.DataFrame(data)
# select two columns
print(df[['Name', 'Qualification']])
输出：
行选择： Pandas 提供了一种独特的方法来从数据框中检索行。 方法用于从 Pandas DataFrame 中检索行。还可以通过将整数位置传递给 iloc[] 函数来选择行。注意： 我们将 在下面的示例中使用文件。DataFrame.loc[]
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving row by loc method
first = data.loc["Avery Bradley"]
second = data.loc["R.J. Hunter"]
print(first, "\n\n\n", second)
输出：
如输出图所示，由于两次都只有一个参数，因此返回了两个系列。
索引和选择数据
pandas 中的索引意味着从 DataFrame 中选择特定的行和列。索引可能意味着选择所有行和部分列、部分行和所有列，或者部分行和部分列。索引也可以称为 子集选择。
使用索引运算符对 Dataframe 进行索引
索引运算符用于引用对象后面的方括号。 和 索引器也使用索引运算符进行选择。在此索引运算符中引用
选择单列
为了选择单个列，我们只需将列的名称放在括号之间
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving columns by indexing operator
first = data["Age"]
print(first)
输出：
使用以下方法索引 DataFrame ：.loc[ ]
此函数通过 行和列的 标签选择数据。 索引器选择数据的方式与索引运算符不同。它可以选择行或列的子集。它还可以同时选择行和列的子集。df.loc
选择一行
为了使用 选择单行 .loc[]，我们在函数中放置单行标签 .loc 。
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving row by loc method
first = data.loc["Avery Bradley"]
second = data.loc["R.J. Hunter"]
print(first, "\n\n\n", second)
输出：
如输出图所示，由于两次都只有一个参数，因此返回了两个系列。
使用以下方法索引 DataFrame：.iloc[ ]
此函数允许我们按位置检索行和列。为此，我们需要指定所需行的位置以及所需列的位置。索引器 df.iloc 与非常相似 df.loc ，但仅使用整数位置进行选择。
选择一行
为了使用选择单行 .iloc[]，我们可以将一个整数传递给 .iloc[] 函数。
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving rows by iloc method
row2 = data.iloc[3]
print(row2)
输出：
处理缺失数据
当没有提供一个或多个项目或整个单元的信息时，可能会出现缺失数据。缺失数据在现实生活中是一个非常大的问题。缺失数据在 Pandas 中也可以称为 NA（不可用）值。
使用和 检查缺失值为 了检查 Pandas DataFrame 中的缺失值，我们使用函数isnull() 和 notnull()。这两个函数都有助于检查值是否为NaN 。这些函数也可以在 Pandas Series 中使用，以便在系列中查找空值。n
# importing pandas as pd
import pandas as pd
# importing numpy as np
import numpy as np
# dictionary of lists
dict = {'First Score':[100, 90, np.nan, 95],
'Second Score': [30, 45, 56, np.nan],
'Third Score':[np.nan, 40, 80, 98]}
# creating a dataframe from list
df = pd.DataFrame(dict)
# using isnull() function
df.isnull()
输出：
使用、 和 填充缺失值 fillna() replace() interpolate()
为了在数据集中填充空值，我们使用 fillna()和 函数replace() ， interpolate() 这些函数用它们自己的某个值替换 NaN 值。所有这些函数都有助于在 DataFrame 的数据集中填充空值。Interpolate() 函数主要用于填充 NA 数据框中的值，但它使用各种插值技术来填充缺失值，而不是对值进行硬编码。
# importing pandas as pd
import pandas as pd
# importing numpy as np
import numpy as np
# dictionary of lists
dict = {'First Score':[100, 90, np.nan, 95],
'Second Score': [30, 45, 56, np.nan],
'Third Score':[np.nan, 40, 80, 98]}
# creating a dataframe from dictionary
df = pd.DataFrame(dict)
# filling missing value using fillna()
df.fillna(0)
使用删除缺失值 dropna()
为了从数据框中删除空值，我们使用 dropna() 函数以不同的方式删除具有空值的数据集的行/列。
# importing pandas as pd
import pandas as pd
# importing numpy as np
import numpy as np
# dictionary of lists
dict = {'First Score':[100, 90, np.nan, 95],
'Second Score': [30, np.nan, 45, 56],
'Third Score':[52, 40, 80, 98],
'Fourth Score':[np.nan, np.nan, np.nan, 65]}
# creating a dataframe from dictionary
df = pd.DataFrame(dict)
df
输出：
现在我们删除至少有一个 Nan 值（Null 值）的行。
# importing pandas as pd
import pandas as pd
# importing numpy as np
import numpy as np
# dictionary of lists
dict = {'First Score':[100, 90, np.nan, 95],
'Second Score': [30, np.nan, 45, 56],
'Third Score':[52, 40, 80, 98],
'Fourth Score':[np.nan, np.nan, np.nan, 65]}
# creating a dataframe from dictionary
df = pd.DataFrame(dict)
# using dropna() function
df.dropna()
输出：
遍历行和列
迭代是一个通用术语，
表示逐个获取某事物的每个项。Pandas DataFrame 由行和列组成，因此，为了迭代数据框，我们必须像迭代字典一样迭代数据框。
遍历行
为了迭代行，我们可以使用三个函数 iteritems()、 iterrows()、 itertuples() 。这三个函数将有助于迭代行。
# importing pandas as pd
import pandas as pd
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}
# creating a dataframe from a dictionary
df = pd.DataFrame(dict)
print(df)
输出：
现在我们应用 iterrows() 函数来获取每一行的元素。
# importing pandas as pd
import pandas as pd
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}
# creating a dataframe from a dictionary
df = pd.DataFrame(dict)
# iterating over rows using iterrows() function
for i, j in df.iterrows():
print(i, j)
print()
输出：
遍历列
为了迭代列，我们需要创建一个数据框列的列表，然后迭代该列表以提取数据框列。
# importing pandas as pd
import pandas as pd
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}
# creating a dataframe from a dictionary
df = pd.DataFrame(dict)
print(df)
输出：
现在我们遍历列，为了遍历列，我们首先创建一个数据框列的列表，然后遍历列表。
# creating a list of dataframe columns
columns = list(df)
for i in columns:
# printing the third element of the column
print (df[i][2])
输出：
DataFrame 方法：
| 功能 | 描述 |
|---|---|
| index() | 方法返回 DataFrame 的索引（行标签） |
| insert() | 方法将一列插入到 DataFrame 中 |
| add() | 方法返回数据框和其他元素的加法（二元运算符加法） |
| sub() | 方法返回数据框和其他元素的减法（二元运算符 sub） |
| mul() | 方法返回数据框和其他元素的乘法（二元运算符 mul） |
| div() | 方法按元素返回数据框和其他的浮点除法（二元运算符 truediv） |
| unique() | 方法提取数据框中的唯一值 |
| nunique() | 方法返回数据框中唯一值的数量 |
| value_counts() | 方法计算系列中每个唯一值出现的次数 |
| columns() | 方法返回 DataFrame 的列标签 |
| axes() | 方法返回表示 DataFrame 轴的列表 |
| isnull() | 方法创建一个布尔系列，用于提取具有空值的行 |
| notnull() | 方法创建一个布尔系列，用于提取具有非空值的行 |
| between() | 方法提取列值介于预定义范围之间的行 |
| isin() | 方法从 DataFrame 中提取行，其中列值存在于预定义集合中 |
| dtypes() | 方法返回一个包含每列数据类型的 Series。结果的索引是原始 DataFrame 的列 |
| astype() | 方法转换 Series 中的数据类型 |
| values() | 方法返回 DataFrame 的 Numpy 表示形式，即仅返回 DataFrame 中的值，轴标签将被删除 |
| sort_values()- Set1, Set2 | 方法按传递的列的升序或降序对数据框进行排序 |
| sort_index() | 方法根据 DataFrame 中的值的索引位置或标签（而不是值）对其进行排序，但有时数据框由两个或多个数据框组成，因此以后可以使用此方法更改索引 |
| loc[] | 方法根据索引标签检索行 |
| iloc[] | 方法根据索引位置检索行 |
| ix[] | 方法根据索引标签或索引位置检索 DataFrame 行。此方法结合了 .loc[] 和 .iloc[] 方法的最佳特性 |
| rename() | 在 DataFrame 上调用方法来更改索引标签或列名的名称 |
| columns() | 方法是更改列名称的替代属性 |
| drop() | 方法用于从 DataFrame 中删除行或列 |
| pop() | 方法用于从 DataFrame 中删除行或列 |
| sample() | 方法从 DataFrame 中抽取行或列的随机样本 |
| nsmallest() | 方法拉出列中值最小的行 |
| nlargest() | 方法提取列中值最大的行 |
| shape() | 方法返回一个表示 DataFrame 维数的元组 |
| ndim() | 方法返回一个表示轴数/数组维数的“int”。 如果是 Series，则返回 1，否则如果是 DataFrame，则返回 2 |
| dropna() | 方法允许用户以不同的方式分析和删除具有空值的行/列 |
| fillna() | 方法管理并让用户用自己的某个值替换 NaN 值 |
| rank() | 可以使用此方法按顺序排列系列中的值 |
| query() | 方法是一种基于字符串的替代语法，用于从 DataFrame 中提取子集 |
| copy() | 方法创建 pandas 对象的独立副本 |
| duplicated() | 方法创建一个布尔系列并使用它来提取具有重复值的行 |
| drop_duplicates() | 方法是识别重复行并通过过滤删除它们的另一种选择。 |
| set_index() | 方法使用一个或多个现有列设置 DataFrame 索引（行标签） |
| reset_index() | 方法重置数据框的索引。此方法将范围从 0 到数据长度的整数列表设置为索引 |
| where() | 方法用于检查数据框是否符合一个或多个条件并返回相应结果。默认情况下，不满足条件的行将用 NaN 值填充 |
扫一扫
13万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
