pandas 学习第5篇：DataFrame

数据框是用于存储数据的二维结构，分为行和列，一行和一列的交叉位置是一个cell，该cell的位置是由行索引和列索引共同确定的。可以通过at/iat，或loc/iloc属性来访问数据框的元素，该属性后跟一个中括号：[row,col]，中括号内 row表示行索引或行标签，col表示列索引或列标签。如果省略row，那么row维度使用“:”代替，格式是 [ :, col] ，表示访问所有行的特定列；如果省略col ，格式是[row]，表示访问特定行的所有列。

有以下数据框对象df，其数据和索引如下：

       year   state  pop

one    2000    Ohio  1.5

two    2001    Ohio  1.7

three  2002    Ohio  3.6

four   2001  Nevada  2.4

five   2002  Nevada  2.9

一，索引单个cell

通过元素的行和列索引对来访问单个cell，at 和 iat 属性只能访问当个cell，区别是at可以使用字符串和整数，而iat只能使用整数。

at 和 iat 的格式是：[row, column]，第一个维度是行索引，第二个维度是列索引。

通过iat属性（设置下标）来访问单个cell：

>>> df.iat[1,2]

1.7

通过at属性（设置标签）来访问单个cell：

>>> df.at['two','pop']

1.7

二，通过位置来访问多个元素

loc 和 iloc 属性可以访问多个cell，区别是loc可以使用标签和布尔（掩码）数组，不能使用整数位置（整数代表元素的位置），而iloc只能使用整数位置。

loc 和 iloc的格式是：

[row] 访问单行，包括所有列
[row, column] 访问有row 和 column 确定的元素

.loc[] 主要基于标签，但也可以与布尔数组一起使用。在格式 .loc[row,col] 中，row和col允许的输入有：

label：单个标签，表示行标签，索引的数据是一行
[label]：标签数组，表示行标签数组，索引的数据是多行
['a':'f'] 或 ['a':'f']：索引切片
[True, False, True]：和axis等长的布尔数组

举个例子，分别使用iloc 和loc来访问数组的多个元素：

>>> df.iloc[[0,1],[0,2]]

     year  pop

one  2000  1.5

two  2001  1.7

>>> df.loc[['one','two'],['year','pop']]

     year  pop

one  2000  1.5

two  2001  1.7

三，访问整列的数据

直接通过列名来访问DataFrame的数据，选择特定列的所有数据行，有两种格式是：

df['col'] 单列索引方式
df.col 属性方式
df[['col1','col2']] 列索引数组方式

1，属性方式和单列索引方式

对于属性方式和单列索引方式，只能用于访问单列，返回的是Series对象：

df['state']

df.state

属性方式是指：列名作为DataFrame对象的属性，通过 . 号引用列名来访问一列的值

单列索引方式是指：列名作为DataFrame对象的索引，通过[] 号索引列来访问一列的值

2，列索引数组方式

对于列索引数组方式，一次访问多列，返回的对象是DataFrame类型

df[['year','state']]

3，对序列进行查询

对于单列索引和属性方式，返回的结果是一个序列，因此，可以通过[idx]来访问序列中的元素，[]中的索引idx是行索引，也就是说，使用 .col[row] 或 [col][row] 来访问单个cell，举个列子：

>>> df.year['one']

2000

>>> df['year']['one']

2000

四，索引数组

索引数组是指DataFrame使用数组作为索引，索引数组可以是行标签、列标签，或者行索引、列索引，也可以是布尔（掩码）索引数组。

1，列标签构成的索引数组

数据框对象可以使用loc和列标签来访问数据，例如，省略row维度，选择state和pop列的所有数据行：

>>> df.loc[:,['state','pop']]

        state  pop

one      Ohio  1.5

two      Ohio  1.7

three    Ohio  3.6

four   Nevada  2.4

five   Nevada  2.9

2，掩码索引数组

掩码索引数组是由True和False构成的数组，在特定的轴（维度）上，维度的长度和掩码索引的长度相同，选择True对应的索引，忽略False对应的索引。

举个例子，省略row维度的索引，由于该数据框由三列，可以把year和state列对应的掩码设置为True，把pop列对应的掩码设置为False。

>>> df.columns

Index(['year', 'state', 'pop'], dtype='object')

>>> df.loc[:,[True,True,False]]

       year   state

one    2000    Ohio

two    2001    Ohio

three  2002    Ohio

four   2001  Nevada

five   2002  Nevada

序列具有矢量化操作的特性，当选择某一列时，可以通过逻辑运算得出掩码索引数组：

>>> df['pop']>=2

one      False

two      False

three     True

four      True

five      True

Name: pop, dtype: bool

>>> df.loc[df['pop']>=2]

       year   state  pop

three  2002    Ohio  3.6

four   2001  Nevada  2.4

five   2002  Nevada  2.9

五，遍历DataFrame

使用iterrows() 遍历数据框，iterrows()返回值为元组(index,row) ，每次迭代返回一行数据：

for index,row in df.iterrows():

    print(index,row)

使用itertuples()遍历数据框，返回的是命名元组：

DataFrame.itertuples(self, index=True, name='Pandas')

使用items()或 iteritems()遍历数据框，返回值为元组(column,Series)，每次迭代返回一列数据：

>>> for col_name,col in df.items():

...     print(col_name,col)

参考文档：

pandas DataFrame