pd.DataFrame()函数

pd.DataFrame()函数

import pandas as pd
import numpy as np

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
        'year': [2000, 2001, 2002, 2001, np.nan],  # np.nan表示NA
        'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
pd.DataFrame(data,
#           index=['a','b','c','d','e']
#           index = range(5)
         )  # 默认生成整数索引, 字典的键作列,值作行

# 两层嵌套
d = {'a': {'tp': 26, 'fp': 112},
     'b': {'tp': 26, 'fp': 91},
     'c': {'tp': 23, 'fp': 74}}
df_index = pd.DataFrame.from_dict(d, orient='index')
df_index

df_columns = pd.DataFrame.from_dict(d,orient='columns')
df_columns

# 通过传递一个numpy array，时间索引以及列标签来创建一个DataFrame
data = pd.DataFrame(np.arange(10,26).reshape((4, 4)),
                 index=['Ohio', 'Colorado', 'Utah', 'New York'], 
                 columns=['one', 'two', 'three', 'four'])
data

np.random.seed(10)
dates = pd.date_range('20190101', periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
df

DataFrame基本属性

#  DataFrame.index： The index (row labels) of the DataFrame.

df.index

DatetimeIndex(['2019-01-01', '2019-01-02', '2019-01-03', '2019-01-04',
               '2019-01-05', '2019-01-06'],
              dtype='datetime64[ns]', freq='D')

# 设置索引名
df.index.name = 'time'

df

df.columns

Index(['A', 'B', 'C', 'D'], dtype='object')

df.columns.name = 'alphabet'

df

# 查看底层的Numpy数据
df.values

array([[ 1.3315865 ,  0.71527897, -1.54540029, -0.00838385],
       [ 0.62133597, -0.72008556,  0.26551159,  0.10854853],
       [ 0.00429143, -0.17460021,  0.43302619,  1.20303737],
       [-0.96506567,  1.02827408,  0.22863013,  0.44513761],
       [-1.13660221,  0.13513688,  1.484537  , -1.07980489],
       [-1.97772828, -1.7433723 ,  0.26607016,  2.38496733]])

# DataFrame索引
df.head(3)  # 显示前三行

df.tail(3)   # 显示后三行

df = pd.DataFrame({'a': range(7), 'b': range(7, 0, -1),
                      'c': ['one', 'one', 'one', 'two', 'two',
                            'two', 'two'],
                      'd': [0, 1, 2, 0, 1, 2, 3]})
df

# set_index方法将DataFrame的一个或者多个列转化为行索引
df2 = df.set_index(['c', 'd'])
df2

# 默认drop = True，当drop=False 不删除原始数据
df.set_index(['c', 'd'], drop=False)

# -reset_index的功能和set_index的刚好相反，层次化索引的级别会被转移到列里面
df2.reset_index()

DataFrame计算、描述性统计

# 显示数字保留两位小数
np.random.seed(10)
dates = pd.date_range('20190101', periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
df.round(2)

# 不同的列制定不同的小数位数
df.round({'A': 1, 'C': 2})

# 数值型数据的快速统计汇总
df.describe()

df

df.apply(np.cumsum, axis=0, result_type=None )
#第一行 不变
# 第二行=第一行+第二行
#。。。。。。 

df.apply(lambda x: x.max() - x.min())  # 每一列的极差

A    3.309315
B    2.771646
C    3.029937
D    3.464772
dtype: float64

重新索引、选择、标签操作

# 修改列名
df.rename(columns = {'A':'key2'},inplace=False)

排序

# 默认axis=0，按行索引对行进行排序；ascending=True，升序排序
df.sort_index(axis=0, ascending=False)
# df.sort_index(axis=0, ascending=True)