Pandas 数据结构Dataframe：基本概念及创建

"二维数组"Dataframe：是一个表格型的数据结构，包含一组有序的列，其列的值类型可以是数值、字符串、布尔值等。

Dataframe中的数据以一个或多个二维块存放，不是列表、字典或一维数组结构。

1. Dataframe的数据结构

# Dataframe 数据结构
# Dataframe是一个表格型的数据结构，“带有标签的二维数组”。
# Dataframe带有index（行标签）和columns（列标签）

data = {'name':['Jack','Tom','Mary'],
        'age':[18,19,20],
       'gender':['m','m','w']}
frame = pd.DataFrame(data)
print(frame,'\n')
print(type(frame),'\n')
print(frame.index,'\n该数据类型为：',type(frame.index),'\n')
print(frame.columns,'\n该数据类型为：',type(frame.columns),'\n')
print(frame.values,'\n该数据类型为：',type(frame.values),'\n')
# 查看数据，数据类型为dataframe
# .index查看行标签
# .columns查看列标签
# .values查看值，数据类型为ndarray

输出结果：

   age gender  name
0   18      m  Jack
1   19      m   Tom
2   20      w  Mary 

<class 'pandas.core.frame.DataFrame'> 

RangeIndex(start=0, stop=3, step=1)
该数据类型为： <class 'pandas.indexes.range.RangeIndex'> 

Index(['age', 'gender', 'name'], dtype='object')
该数据类型为： <class 'pandas.indexes.base.Index'> 

[[18 'm' 'Jack']
 [19 'm' 'Tom']
 [20 'w' 'Mary']]
该数据类型为： <class 'numpy.ndarray'> 

2.数据结构其他注意的地方

print(frame,'\n')
print(frame.columns.tolist(),'\n')  #查看列名
print(frame.values,'\n')   #嵌套列表
print(frame.values.tolist())

输出结果：

   age gender  name
0   18      m  Jack
1   19      m   Tom
2   20      w  Mary 

['age', 'gender', 'name'] 

[[18 'm' 'Jack']
 [19 'm' 'Tom']
 [20 'w' 'Mary']] 

[[18, 'm', 'Jack'], [19, 'm', 'Tom'], [20, 'w', 'Mary']]

3. #Series 与 Dataframe的关系  其实就是Dataframe的一列

age = frame['age']  #列的索引
print(age)
print(type(age))

输出结果：

0    18
1    19
2    20
Name: age, dtype: int64
<class 'pandas.core.series.Series'>

二. DataFrame 的创建方法

1.由数组/list组成的字典

# Dataframe 创建方法一：由数组/list组成的字典
# 创建方法:pandas.Dataframe()

data1 = {'a':[1,2,3],
        'b':[3,4,5],
        'c':[5,6,7]}
data2 = {'one':np.random.rand(3),
        'two':np.random.rand(3)}   # 这里如果尝试  'two':np.random.rand(4) 会怎么样？
print(data1)
print(data2)
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
print(df1)
print(df2)
# 由数组/list组成的字典 创建Dataframe，columns为字典key，index为默认数字标签
# 字典的值的长度必须保持一致！

df1 = pd.DataFrame(data1, columns = ['b','c','a','d'])
print(df1)
df1 = pd.DataFrame(data1, columns = ['b','c'])
print(df1)
# columns参数：可以重新指定列的顺序，格式为list，如果现有数据中没有该列（比如'd'），则产生NaN值
# 如果columns重新指定时候，列的数量可以少于原数据
df1['s'] = 10   #添加列
print(df1)
del df1['s']    #删除列
print(df1)

df2 = pd.DataFrame(data2, index = ['f1','f2','f3'])  # 这里如果尝试  index = ['f1','f2','f3','f4'] 会怎么样？——》会报错
print(df2)
# index参数：重新定义index，格式为list，长度必须保持一致 添加列没事，添加标签就不行了

输出结果：

{'b': [3, 4, 5], 'a': [1, 2, 3], 'c': [5, 6, 7]}
{'one': array([0.53592778, 0.1429434 , 0.40188575]), 'two': array([0.59196586, 0.40463609, 0.66488198])}
   a  b  c
0  1  3  5
1  2  4  6
2  3  5  7
        one       two
0  0.535928  0.591966
1  0.142943  0.404636
2  0.401886  0.664882
   b  c  a    d
0  3  5  1  NaN
1  4  6  2  NaN
2  5  7  3  NaN
   b  c
0  3  5
1  4  6
2  5  7
   b  c   s
0  3  5  10
1  4  6  10
2  5  7  10
   b  c
0  3  5
1  4  6
2  5  7
         one       two
f1  0.535928  0.591966
f2  0.142943  0.404636
f3  0.401886  0.664882

2. # Dataframe 创建方法二：由Series组成的字典

# Dataframe 创建方法二：由Series组成的字典

data1 = {'one':pd.Series(np.random.rand(2)),
        'two':pd.Series(np.random.rand(3))}  # 没有设置index的Series
data2 = {'one':pd.Series(np.random.rand(2), index = ['a','b']),
        'two':pd.Series(np.random.rand(3),index = ['a','b','c'])}  # 设置了index的Series
print(data1)
print(data2)
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
print(df1)
print(df2)
# 由Seris组成的字典 创建Dataframe，columns为字典key，index为Series的标签（如果Series没有指定标签，则是默认数字标签）
# Series可以长度不一样，生成的Dataframe会出现NaN值

输出结果：

{'two': 0    0.331382
1    0.508265
2    0.615997
dtype: float64, 'one': 0    0.857739
1    0.165800
dtype: float64}
{'two': a    0.826446
b    0.983392
c    0.187749
dtype: float64, 'one': a    0.920073
b    0.215178
dtype: float64}
        one       two
0  0.857739  0.331382
1  0.165800  0.508265
2       NaN  0.615997
        one       two
a  0.920073  0.826446
b  0.215178  0.983392
c       NaN  0.187749

3.# Dataframe 创建方法三：通过二维数组直接创建

# Dataframe 创建方法三：通过二维数组直接创建

ar = np.random.rand(9).reshape(3,3)
print(ar)
df1 = pd.DataFrame(ar)
df2 = pd.DataFrame(ar, index = ['a', 'b', 'c'], columns = ['one','two','three'])  # 可以尝试一下index或columns长度不等于已有数组的情况
print(df1)
print(df2)
# 通过二维数组直接创建Dataframe，得到一样形状的结果数据，如果不指定index和columns，两者均返回默认数字格式
# index和colunms指定长度与原数组保持一致

输出结果：

[[0.33940056 0.77384698 0.25308293]
 [0.28151251 0.02875986 0.7516066 ]
 [0.34746659 0.25245068 0.68979615]]
          0         1         2
0  0.339401  0.773847  0.253083
1  0.281513  0.028760  0.751607
2  0.347467  0.252451  0.689796
        one       two     three
a  0.339401  0.773847  0.253083
b  0.281513  0.028760  0.751607
c  0.347467  0.252451  0.689796

4.其他注意的地方：

df = pd.DataFrame(np.random.randn(100,3),columns = ['A','B','C'])    #后面常用到的
df
import matplotlib.pyplot as plt
df.plot()
plt.show()
df.head()   #查看表头，默认查看前五条数据

输出结果：