Python---数据分析(Pandas六:二维数组DataFrame，DataFrame的创建，DataFra ...

一、 二维数组DataFrame

        DataFrame 是 Pandas 中的一个表格型的数据布局，包罗有多列的数据，每列可以是差别的值类型(数值、字符串、布尔型等)，DataFrame 即有行索引也有列索引，可以被看做是由 Series 组成的字典。

二、DataFrame的创建

        在Pandas中，使用DataFrame来创建二维数组DataFrame

1. class pandas.DataFrame(data=None, index=None, columns=None,
2. dtype=None, copy=None)

复制代码

形貌阐明data 列表，其中每个元素是一行数据。
字典，其中键是列名，值是列值（列表或数组）。
2d-Ndarray。
Series对象，每个 Series成为一列
index行标签，假如没有指定，默认是整数索引[0, ..., n-1]，其中 n 是数据中的行数。columns列标签，假如没有指定，则列标签从数据源中推断。dtype指定某列的数据类型。假如指定，则全部列都将转换为指定的数据类型。copy布尔值，默以为False。假如为True，则复制数据；假如为False，则尽可 能避免复制数据 2.1、使用列表创建

1. import pandas as pd
3. # 创建一个包含学生信息的嵌套列表，每个子列表代表一个学生的姓名、年龄和成绩
4. data_list = [
5.     ['小明', 20, 85],
6.     ['小红', 18, 90],
7.     ['小刚', 22, 88]
8. ]
10. # 定义列名，分别对应姓名、年龄和成绩
11. columns = ['姓名', '年龄', '成绩']
13. # 使用pandas库创建一个DataFrame，将数据列表和列名作为参数传入
14. df = pd.DataFrame(data_list, columns=columns)
16. # 打印DataFrame以查看数据
17. print(df)

复制代码

 

2.2、使用字典创建

        可以使用一个字典来创建DataFrame，其中字典的键将作为列名，字典的值可以是列 表、数组等可迭代对象，它们的长度要划一，代表每一列的数据。

1. import pandas as pd
3. # 定义一个字典，其中包含两组数据：姓名和年龄
4. data = {
5.     'Name': ['Tom', 'Nick', 'John'],  # 'Name' 键对应一个包含姓名的列
6.     'Age': [20, 21, 22]               # 'Age' 键对应一个包含年龄的列
7. }
9. # 使用pd.DataFrame()函数将字典转换为DataFrame对象
10. # 这里，data字典中的键自动成为DataFrame的列名，值成为列的数据
11. df = pd.DataFrame(data)
13. # 打印DataFrame对象，查看其内容
14. print(df)

复制代码

2.3、使用Ndarray数组创建

1. import pandas as pd
3. # 创建三个pandas Series对象
4. s1 = pd.Series(['小明', '小红', '小刚'], name='姓名')
5. s2 = pd.Series([20, 18, 22], name='年龄')
6. s3 = pd.Series([85, 90, 88], name='成绩')
8. # 将Series对象组合成一个字典，键是Series的名称，值是Series本身
9. # 然后将这个字典传递给DataFrame构造函数来创建一个DataFrame
10. df = pd.DataFrame({s1.name: s1, s2.name: s2, s3.name: s3})
12. # 打印DataFrame对象，查看其内容
13. print(df)

复制代码

 

1. import pandas as pd
2. import numpy as np
4. # 定义一个二维Ndarray数组，其中包含两组数据：姓名和年龄
5. data_array = np.array([
6.     ['Tom', 20],
7.     ['Nick', 21],
8.     ['John', 19]
9. ])
11. # 使用pd.DataFrame()函数将二维数组转换为DataFrame对象
12. df = pd.DataFrame(data_array, columns=['Name', 'Age'])
14. # 打印
15. print(df)

复制代码

2.4、使用Series创建

        假如有多个Series对象，也可以将它们组合成一个DataFrame。

1. import pandas as pd
3. # 创建三个pandas Series对象
4. s1 = pd.Series(['小明', '小红', '小刚'], name='姓名')
5. s2 = pd.Series([20, 18, 22, 0], name='年龄')
6. s3 = pd.Series([85, 90, 88], name='成绩')
7. s4 = pd.Series(name='test')
9. # 使用concat拼接，并指定轴为1
10. df = pd.concat([s1, s2, s3, s4], axis=1)
12. # 打印DataFrame对象，查看其内容
13. print(df)

复制代码

三、DataFrame的属性

1. import pandas as pd
3. data = {
4.     '姓名': ['小明', '小红', '小刚'],
5.     '年龄': [20, 18, 22],
6.     '成绩': [85, 90, 88]
7. }
9. df = pd.DataFrame(data, index=[3, 4, 5])
10. print(df)

复制代码

3.1、 index

        返回DataFrame的行索引。

1. print(df.index)
2. #Index([3, 4, 5], dtype='int64')

复制代码

3.2、 columns

        返回DataFrame的列名。

1. print(df.columns)
2. #Index(['姓名', '年龄', '成绩'], dtype='object')

复制代码

3.3、 values

        返回DataFrame中数据的Ndarray表现

1. print(df.values)
2. # [['小明' 20 85]
3. #  ['小红' 18 90]
4. #  ['小刚' 22 88]]

复制代码

3.4、 dtypes

        返回每列的数据类型。

1. print(df.dtypes)
2. # 姓名    object
3. # 年龄     int64
4. # 成绩     int64
5. # dtype: object

复制代码

3.5 、shape

        返回DataFrame的形状（行数，列数）。

1. print(df.shape)
2. #(3, 3)

复制代码

3.6、 size

        返回DataFrame中的元素数量。

1. print(df.size)
2. #9

复制代码

3.7、 empty

        返回DataFrame是否为空。

1. import pandas as pd
2. import numpy as np
4. data = [None]
6. df = pd.DataFrame(data, index=['a'])
7. print(df)
9. print(df.empty)

复制代码

3.8 、T

        返回DataFrame的转置。

1. import pandas as pd
3. data = {
4.     '姓名': ['小明', '小红', '小刚'],
5.     '年龄': [20, 18, 22],
6.     '成绩': [85, 90, 88]
7. }
9. df = pd.DataFrame(data, index=['a', 'b', 'c'])
10. print(df)
12. res = df.T
13. print(res)

复制代码

3.9、 axes

        返回行轴和列轴的列表。

1. import pandas as pd
3. data = {
4.     '姓名': ['小明', '小红', '小刚'],
5.     '年龄': [20, 18, 22],
6.     '成绩': [85, 90, 88]
7. }
9. df = pd.DataFrame(data, index=['a', 'b', 'c'])
10. print(df)
12. print(df.axes)

复制代码

3.10、 ndim

        返回DataFrame的维度数。对于标准的二维DataFrame，这个值通常是2。

1. import pandas as pd
2. data = {
3. '姓名': ['小明', '小红', '小刚'],
4. '年龄': [20, 18, 22],
5. '成绩': [85, 90, 88]
6. }
7. df = pd.DataFrame(data, index=['a', 'b', 'c'])
8. print(df)
9. print(df.ndim)

复制代码

3.11 、attrs

        允许用户存储DataFrame的元数据，它是一个字典，可以用来存储任意与 DataFrame相关的额外信息。

1. import pandas as pd
3. data = {
4.     '姓名': ['小明', '小红', '小刚'],
5.     '年龄': [20, 18, 22],
6.     '成绩': [85, 90, 88]
7. }
9. df = pd.DataFrame(data, index=['a', 'b', 'c'])
10. print(df)
12. df.attrs['creator'] = '哈哈哈哈哈哈哈哈哈哈哈'
13. df.attrs['created_at'] = '2025-3-8'
14. print(df.attrs)

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。