Pandas 数据结构 DataFrame

1. 前言

上一节我们讲述了 Pandas 两种数据结构之一 Series，并介绍了该数据结构的特点、常用属性及方法。Series 数据结构能有效的描述我们实际应用中的一维数据，然而，我们实际生活中接触较多的是有行和列的二维数据，那 Pandas 库中的二维数据结构又是怎样表示的呢？

Pandas 库中的 DataFrame 是一个二维数据结构，可以想象成我们常用的 Excel，它是Pandas 应用中最常用的数据结构。

2. DataFrame 数据结构概述

DataFrame 是一种表格型的数据结构，含有一组有序的列，每列可以存放任意类型的数据，可以看做是由Series组成的字典（公用同一个索引），它有行索引和列索引，行索引在左侧，列索引在上方，并可以通过操作指定行索引和列索引的值。

3. DataFrame 数据结构常用的属性

3.1 DataFrame 常用的属性

DataFrame 数据结构的属性和 Series 的部分属性内容是相同的，但因为是二维数据结构，也有自己独特的一些属性，下面我们通过代码逐一介绍。

实例：我们通过定义一个 DataFrame 数据结构，然后分别演示上面的属性操作。

# 引入pandas
import pandas as pd
# 定义一个dataframe数据结构的对象
data={'bookname':['python入门','python编程','python实战'],
          'author':['Eric','张健','刘辉'],
          'price':['49.9','36.5','67.4']}
frame_obj=pd.DataFrame(data)
print(frame_obj)

# --- 输出结果 ---
   bookname author price
0  python入门   Eric  49.9
1  python编程     张健  36.5
2  python实战     刘辉  67.4

具体的属性操作：

# values 属性
print(frame_obj.values)
#--- 输出结果 ---
[['python入门' 'Eric' '49.9']
 ['python编程' '张健' '36.5']
 ['python实战' '刘辉' '67.4']]    # 一个ndarray类型的对象

# index 属性
print(frame_obj.index.values)
#--- 输出结果 ---
[0 1 2]  # 这是一个一维数组 是dataframe数据对象的行索引值

# columns 属性
print(frame_obj.columns.values)
#--- 输出结果 ---
['bookname' 'author' 'price'] # 这是一个一维数组 是dataframe数据对象的列索引值

# axes 属性
print(frame_obj.axes)
#--- 输出结果 ---
[RangeIndex(start=0, stop=3, step=1), Index(['bookname', 'author', 'price'], dtype='object')]   # 对应的行索引和列索引

# ndim 属性
print(frame_obj.ndim)
#--- 输出结果 ---
2  # 2正式dataframe的数据维度

# shape 属性
print(frame_obj.shape)
#--- 输出结果 ---
(3, 3)  # 该dataframe数据结构是3行3列的

# size 属性
print(frame_obj.size)
#--- 输出结果 ---
9 # 数据的个数，二维3乘以3是9个数据

3.2 DataFrame 常用的操作方法

接下来我们一起看下dataframe的常用方法，见证这个二维数据的厉害吧。

下面我们分别看一下每个方法的具体操作实例：

DataFrame() 方法

该方法用于创建 DataFrame 对象，我们可以指定行索引和列索引创建，还可以通过字典进行创建。下面代码中分部创建一个4*4的 DataFrame。

# 1.通过传入数据，行索引，列索引进行创建
df1=pd.DataFrame([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]],
                 index=list('ABCD'),columns=list('ABCD'))
print(df1)
# --- 输出结果 ---
    A   B   C   D
A   1   2   3   4
B   5   6   7   8
C   9  10  11  12
D  13  14  15  16
# 第一个参数是存放在DataFrame里的数据,第二个index是行名索引,第三个columns是列索引,注意：这里index，columns的list长度要和对应的行和列索引数量一致，不然会报错。

# 1.通过字典进行创建
data={'A':['1','2','3','4'],
          'B':['5','6','7','8'],
          'C':['9','10','10','11'],
          'D':['12','13','14','15']}
df2=pd.DataFrame(data)
print(df2)
# --- 输出结果 ---
   A  B   C   D
0  1  5   9  12
1  2  6  10  13
2  3  7  10  14
3  4  8  11  15

head() 方法

该方法通过传入的值，查找数据的的前n行

# 2.head(2) 取前两行数据
data={'A':['1','2','3','4'],
          'B':['5','6','7','8'],
          'C':['9','10','10','11'],
          'D':['12','13','14','15']}
df2=pd.DataFrame(data)
print(df2.head(2))

# --- 输出结果 ---
   A  B   C   D
0  1  5   9  12
1  2  6  10  13
# 这里我们输出了前两行的数据

info() 方法

通过该方法，可以看到数据的描述信息摘要，在对数据进行探索性分析时比较有用，比如行和列数，每个值的类型，以及非空值的数量。

# 3.info() 取前两行数据
data={'A':['1','2','3','4'],
          'B':['5','6','7','8'],
          'C':['9','10','10','11'],
          'D':['12','13','14','15']}
df2=pd.DataFrame(data)
print(df2.info())

# --- 输出结果 ---
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   A       4 non-null      object
 1   B       4 non-null      object
 2   C       4 non-null      object
 3   D       4 non-null      object
dtypes: object(4)
memory usage: 256.0+ bytes
None

tail() 方法

通过传入的值，返回 DataFrame 对象的后几行数据

# 4.tail(2) 取后两行数据
data={'A':['1','2','3','4'],
          'B':['5','6','7','8'],
          'C':['9','10','10','11'],
          'D':['12','13','14','15']}
df2=pd.DataFrame(data)
print(df2.tail(2))

# --- 输出结果 ---
   A  B   C   D
2  3  7  10  14
3  4  8  11  15
# 这里输出的是后两行数据

T 方法

直接字母 T，可以将 DataFrame 的行和列进行置换。

# 5.T 进行置换行和列
data={'A':['1','2','3','4'],
          'B':['5','6','7','8'],
          'C':['9','10','10','11'],
          'D':['12','13','14','15']}
df2=pd.DataFrame(data)
print(df2)
# --- 输出结果 ---
 A  B   C   D
0  1  5   9  12
1  2  6  10  13
2  3  7  10  14
3  4  8  11  15   # 原dataframe

print(df2.T)
# --- 输出结果 ---
 0   1   2   3
A   1   2   3   4
B   5   6   7   8
C   9  10  10  11
D  12  13  14  15  #  进行置换后，行和列位置变换

sum() 方法

sum() 是求和方法，默认是对每列求和，传入 1 也就是 sum(1) ，是对每行进行求和。

# 1.sum()对每列求和，sum(1)对每行进行求和
data={'A':[1,2,3,4],
          'B':[5,6,7,8],
          'C':[9,10,11,12],
          'D':[13,14,15,16]}
df2=pd.DataFrame(data)
print(df2)
# --- 输出结果 ---
   A  B   C   D
0  1  5   9  13
1  2  6  10  14
2  3  7  11  15
3  4  8  12  16  # 原dataframe数据

print(df2.sum())
# --- 输出结果 ---
A    10
B    26
C    42
D    58 
dtype: int64   # 对每列进行求和

print(df2.sum(1))
# --- 输出结果 ---
0    28
1    32
2    36
3    40
dtype: int64  # 对每行进行求和

4. 小结

该小节内容讲述了 Pandas 库中的第二个重要数据结构 DataFrame ，它作为二维数据结构，拥有 Series 之外的独特属性和方法内容。本节课程的重点如下：

• DataFrame 数据结构的常用属性；
• DataFrame 数据结构的常用操作方法；

Tips：想要学习更多Pandas相关知识，可以点击
Pandas Pandas读取数据文件
Pandas 数据结构Series
Pandas 读取MySql数据