Pandas中DataFrame常用操作指南

Posted on by

前言

Pandas是Python下一個開源數據分析的庫，它提供的數據結構DataFrame極大的簡化瞭數據分析過程中一些繁瑣操作。

1. 基本使用：

創建DataFrame. DataFrame是一張二維的表，大傢可以把它想象成一張Excel表單或者Sql表。

Excel 2007及其以後的版本的最大行數是1048576，最大列數是16384，超過這個規模的數據Excel就會彈出個框框“此文本包含多行文本，無法放置在一個工作表中”。

Pandas處理上千萬的數據是易如反掌的sh事情，同時隨後我們也將看到它比SQL有更強的表達能力，可以做很多復雜的操作，要寫的code也更少。 說瞭一大堆它的好處，要實際感觸還得動手碼代碼。

首要的任務就是創建一個DataFrame，它有幾種創建方式：

  • 列表，序列(pandas.Series), numpy.ndarray的字典
  • 二維numpy.ndarray
  • 別的DataFrame
  • 結構化的記錄(structured arrays)

其中，我最喜歡的是通過二維ndarray創建DataFrame，因為代碼敲得最少：

import  pandas as pd
import  numpy as np
df = pd.DataFrame(np.random.randn( 3 , 4 ))
df
0 1 2 3
0 0.236175 - 0.394792 - 0.171866 0.304012
1 0.651926 0.989046 0.160389 0.482936
2 - 1.039824 0.401105 - 0.492714 - 1.220438

當然你還可以從mysql數據庫或者csv文件中載入數據到dataframe。

dataframe中index用來標識行，column標識列，shape表示維度。

# 獲得行索引信息
df.index
# 獲得列索引信息
df.columns
# 獲得df的size
df.shape
# 獲得df的行數
df.shape[0]
# 獲得df的 列數
df.shape[1]
# 獲得df中的值
df.values

通過describe方法，我們可以對df中的數據有個大概的瞭解：

df.describe()
0 1 2 3
count 3.000000 3.000000 3.000000 3.000000
mean - 0.050574 0.331786 - 0.168064 - 0.144496
std 0.881574 0.694518 0.326568 0.936077
min - 1.039824 - 0.394792 - 0.492714 - 1.220438
25 % - 0.401824 0.003156 - 0.332290 - 0.458213
50 % 0.236175 0.401105 - 0.171866 0.304012
75 % 0.444051 0.695076 - 0.005739 0.393474
max 0.651926 0.989046 0.160389 0.482936

2. 數據select, del, update。

按照列名select:

df[ 0 ]
 
0 0.236175
1 0.651926
2 - 1.039824

按照行數select:

df[: 3 ] #選取前3行

按照索引select:

df.loc[ 0 ]
 
0 0.236175
1 - 0.394792
2 - 0.171866
3 0.304012

按照行數和列數select:

df.iloc[ 3 ] #選取第3行
df.iloc[ 2 : 4 ] #選取第2到第3行
df.iloc[ 0 , 1 ] #選取第0行1列的元素
dat.iloc[: 2 , : 3 ] #選取第0行到第1行，第0列到第2列區域內的元素
df1.iloc[[1,3,5],[1,3]] #選取第1，3，5行，第1，3列區域內的元素

刪除某列：

del df[0]
df
1 2 3
0 - 0.394792 - 0.171866 0.304012
1 0.989046 0.160389 0.482936
2 0.401105 - 0.492714 - 1.220438

刪除某行：

5
df.drop(0)
 
1 2 3
1 0.989046 0.160389 0.482936
2 0.401105 - 0.492714 - 1.220438

3.運算。

基本運算：

df[ 4 ] = df[ 1 ] + df[ 2 ]
 
1 2 3 4
0 - 0.394792 - 0.171866 0.304012 - 0.566659
1 0.989046 0.160389 0.482936 1.149435
2 0.401105 - 0.492714 - 1.220438 - 0.091609

map運算，和python中的map有些類似：

df[ 4 ]. map ( int )
0 0
1 1
2 0

apply運算：

df. apply ( sum )
 
1 0.995359
2 - 0.504192
3 - 0.433489
4 0.491167

4. Group by 操作。

pandas中的group by 操作是我的最愛，不用把數據導入excel或者mysql就可以進行靈活的group by 操作，簡化瞭分析過程。

df[ 0 ] = [ 'A' , 'A' , 'B' ]
df
 
1 2 3 4 0
0 - 0.394792 - 0.171866 0.304012 - 0.566659 A
1 0.989046 0.160389 0.482936 1.149435 A
2 0.401105 - 0.492714 - 1.220438 - 0.091609 B
 
g = df.groupby([ 0 ])
 
g.size()
 
A 2
B 1
 
g. sum ()
 
1 2 3 4
0
A 0.594254 - 0.011478 0.786948 0.582776
B 0.401105 - 0.492714 - 1.220438 - 0.091609

5. 導出到csv文件

dataframe可以使用to_csv方法方便地導出到csv文件中，如果數據中含有中文，一般encoding指定為”utf-8″,否則導出時程序會因為不能識別相應的字符串而拋出異常，index指定為False表示不用導出dataframe的index數據。

df.to_csv(file_path, encoding='utf-8', index=False)
df.to_csv(file_path, index=False)

總結

到此這篇關於Pandas中DataFrame操作的文章就介紹到這瞭,更多相關Pandas DataFrame操作內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：