什么公司需要网站建设,简约网站后台,网站规划与建设进度,怎么做企业的网站首页目录 1、DataFrame是什么2、创建一个dataframe3、获取dataframe的行、列索引4、获取dataframe的值 1、DataFrame是什么
series是有一组数据与一组索引#xff08;行索引#xff09;组成的数据结构#xff0c;而dataframe是由一组数据与一对索引#xff08;行索引和列索引行索引组成的数据结构而dataframe是由一组数据与一对索引行索引和列索引组成的表格型数据结构。之所以叫表格型数据结构是因为dataframe的数据形式和Excel的数据存储形式很相近。
2、创建一个dataframe
创建一个dataframe使用的方法是pd.dataframe通过给dataframe方法传入不同的对象即可实现。
import pandas as pd
df1 pd.DataFrame([a,b,c,d])
df2 pd.DataFrame([[a,A],[b,B],[c,C],[d,D]])
df31 pd.DataFrame([[a,A],[b,B],[c,C],[d,D]],columns [小写,大写])
df32 pd.DataFrame([[a,A],[b,B],[c,C],[d,D]],index [一,二,三,四])
df33 pd.DataFrame([[a,A],[b,B],[c,C],[d,D]],columns [小写,大写],index [一,二,三,四])print(df1)
print(df2)
print(df31)
print(df32)
print(df33)0
0 a
1 b
2 c
3 d0 1
0 a A
1 b B
2 c C
3 d D小写 大写
0 a A
1 b B
2 c C
3 d D0 1
一 a A
二 b B
三 c C
四 d D小写 大写
一 a A
二 b B
三 c C
四 d D总结 1.只传入一个单一列表时该列表的值会显示成一列且行和列都是从0列开始的默认索引。 2.当传入一个嵌套列表时会根据嵌套列表数显示成多列数据行、列索引同样是从0开始的默认索引。列表里面嵌套的列表也可以换成元组。也可以手动设置行列索引
import pandas as pddf41 pd.DataFrame({小写:[a,b,c,d],大写:[A,B,C,D]})
df42 pd.DataFrame({小写:[a,b,c,d],大写:[A,B,C,D]},index [一,二,三,四])print(df41)
print(df42)小写 大写
0 a A
1 b B
2 c C
3 d D小写 大写
一 a A
二 b B
三 c C
四 d D总结直接以字典的形式传入dataframe时字典的key值就相当于列索引如果没有设置行索引行索引还是使用从0开始的默认索引同样可以使用index参数自定义行索引。
3、获取dataframe的行、列索引
import pandas as pddf41 pd.DataFrame({小写:[a,b,c,d],大写:[A,B,C,D]})
df42 pd.DataFrame({小写:[a,b,c,d],大写:[A,B,C,D]},index [一,二,三,四])print(df41.columns)
print(df42.columns)print(df41.index)
print(df42.index)Index([小写, 大写], dtypeobject)
Index([小写, 大写], dtypeobject)
RangeIndex(start0, stop4, step1)
Index([一, 二, 三, 四], dtypeobject)4、获取dataframe的值
通过列表的形式获取某一行或某一列或某几行或某几类。
import pandas as pd
import numpy as np
date pd.date_range(20160101,periods6)
# print(date)df pd.DataFrame(np.arange(24).reshape((6,4)),indexdate,columns[A,B,C,D])
print(df[A],df.A)print(df[0:3])
print(df[2016-01-01:2016-01-03])2016-01-01 0
2016-01-02 4
2016-01-03 8
2016-01-04 12
2016-01-05 16
2016-01-06 20
Freq: D, Name: A, dtype: int32 2016-01-01 0
2016-01-02 4
2016-01-03 8
2016-01-04 12
2016-01-05 16
2016-01-06 20
Freq: D, Name: A, dtype: int32A B C D
2016-01-01 0 1 2 3
2016-01-02 4 5 6 7
2016-01-03 8 9 10 11A B C D
2016-01-01 0 1 2 3
2016-01-02 4 5 6 7
2016-01-03 8 9 10 11通过select by label: loc
import pandas as pd
import numpy as npdate pd.date_range(20160101,periods6)
df pd.DataFrame(np.arange(24).reshape((6,4)),indexdate,columns[A,B,C,D])print(df.loc[2016-01-02])
print(df.loc[:,[A,B]])
print(df.loc[2016-01-02,[A,B]])A 4
B 5
C 6
D 7
Name: 2016-01-02 00:00:00, dtype: int32A B
2016-01-01 0 1
2016-01-02 4 5
2016-01-03 8 9
2016-01-04 12 13
2016-01-05 16 17
2016-01-06 20 21
A 4
B 5
Name: 2016-01-02 00:00:00, dtype: int32通过select by position: iloc
import pandas as pd
import numpy as npdate pd.date_range(20160101,periods6)
df pd.DataFrame(np.arange(24).reshape((6,4)),indexdate,columns[A,B,C,D])print(df.iloc[3:5,1:3])
print(df.iloc[[1,3,5],1:3])B C
2016-01-04 13 14
2016-01-05 17 18B C
2016-01-02 5 6
2016-01-04 13 14
2016-01-06 21 22通过boolean indexing
import pandas as pd
import numpy as npdate pd.date_range(20160101,periods6)
df pd.DataFrame(np.arange(24).reshape((6,4)),indexdate,columns[A,B,C,D])df.iloc[2,2] 111
df.loc[2016-01-01,B] 222
df.C[df.C10] 0
df.B[df.A16] 0
#df[df.D6] 0df[E] pd.Series([1,2,3,4,5,6],indexpd.date_range(2016-01-01,periods6))
df[F]np.nanprint(df)
