Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一,本文主要介绍Python Pandas DataFrame。

1、DataFrame 简介

Pandas DataFrame是2维数据结构,例如,2维数组或具有行和列的表。

例如:

创建一个简单的Pandas DataFrame:

import pandas as pd
 
data = [['张三', 21, '男'], ['李四', 26, '女'], ['王五', 33, '男']]
df = pd.DataFrame(data)
print(df)

输出:

   0   1  2
0  张三  21  男
1  李四  26  女
2  王五  33  男

2、loc定位行

从上面的结果可以看出,DataFrame就像是一个具有行和列的表。

Pandas使用loc属性返回一个或多个指定行

例如:

返回第0行:

print(df.loc[0])

输出:

0    张三
1    21
2     男
Name: 0, dtype: object
None

注意:此示例返回Pandas Series

例如:

返回第0行和第1行:

print(df.loc[[0, 1]])

输出:

    0   1  2
0  张三  21  男
1  李四  26  女

注意:使用[]时,结果是熊猫DataFrame

3、命名索引和列名

使用columnsindex参数,可以命名自己的列名和索引。

例如:

添加名称列表,为每一行命名:

import pandas as pd
 
data = [['张三', 21, '男'], ['李四', 26, '女'], ['王五', 33, '男']]

df = pd.DataFrame(data, columns=['姓名', '年龄', '性别'], index=['a', 'b', 'c'])

print(df) 

输出:

   姓名  年龄 性别
a  张三  21  男
b  李四  26  女
c  王五  33  男

4、定位命名索引

loc属性中使用命名索引返回指定的行。

例如:

输出 "a":

print(df.loc["a"])

输出:

姓名    张三
年龄    21
性别     男
Name: a, dtype: object

5、将文件加载到DataFrame

如果数据集存储在文件中,Pandas可以将它们加载到DataFrame中。

例如:

将逗号分隔的文件(CSV文件)加载到DataFrame中:

import pandas as pd

df = pd.read_csv('data.csv')

print(df)

相关文档:

Python pandas DataFrame 行列使用常用操作

Python pandas DataFrame 行列的常用操作及运算

推荐文档