Pandas 的 DataFrame 是由多种类型的列构成的二维标签数据结构。可以把它想象成一个 Excel 表格或 SQL 表，或者 Series 对象的字典。
基本信息
结构
DataFrame 由三个主要组件组成，分别是 Rows、Columns 和 Data。
更具体的如下图：
Row 即行组件，其中有行数第一列的 Index，axis=0 也表示第一列，此外，行数索引用 Index label 表示；
Columns 是列信息标签，包含除了第一列之外的所有列名称信息（Column names），axis=1 也表示第一行的列名称信息；
Data 顾名思义是数据信息，其主要包括存在数据和缺失信息（Missing value），缺省值用 NaN 表示。
特点
DataFrame 有如下特点：
- 列的类型是可以不同的；
- 行和列的大小动态可变；
- 行和列都有对应标记；
- 可以对行和列执行算术运算。
创建 DataFrame
创建 DataFrame 可以使用其构造函数。
构造函数
构造函数如下：
pandas.DataFrame( data = None,
index: Optional[Axes] = None,
columns: Optional[Axes] = None,
dtype: Optional[Dtype] = None,
copy: bool = False)
构造函数的参数具体意义如下：
| 参数 | 描述 |
|---|---|
| data | 输入数据可以采用多种形式，可以是 ndarray、列表、字典、Series 字典 或 另一个 DataFrame。 |
| index | 指定行标签或名称，默认会从 0 开始的索引值。 |
| columns | 指定列标签或名称，默认会从 0 开始的索引值。 |
| dtype | 强制指定数据类型，只允许一个数据类型，默认为 None，即自适应。 |
| copy | 是否从输入中复制数据，仅作用于二维数据输入，默认为 False。 |
创建一个空的 DataFrame
创建一个空数据的 DataFrame 对象，具体如下：
import pandas as pd
df = pd.DataFrame()
print(df)
会有如下输出：
Empty DataFrame Columns: [] Index: []
从列表创建 DataFrame
可以使用单个列表、列表嵌入列表或列表字典来创建 DataFrame。
使用单个列表创建的 DataFrame 只有一个列信息，具体如下示例：
import pandas as pd
df = pd.DataFrame([1, 2, 3, 4, 5])
print(df)
执行上面示例代码，得到以下结果：
0 0 1 1 2 2 3 3 4 4 5
也可以采用列表嵌入列表的数据创建 DataFrame 信息，如下示例：
import pandas as pd
data = [['Alex', 18], ['Clark', 12, 1], ['Dean', 25], ['Tiffany', 23, 0]]
df = pd.DataFrame(data, columns=['Name', 'Age', 'Sex'])
print(df)
输出结果如下：
Name Age Sex
0 Alex 18 NaN
1 Clark 12 1.0
2 Dean 25 NaN
3 Tiffany 23 0.0
可以观察到，缺失的值显示为 NaN。
此外，也可以从列表字典中创建 DataFrame 对象，如下示例：
import pandas as pd
data = [{'a': 1, 'b': 2}, {'a': 1, 'b': 8, 'c': 8}]
df = pd.DataFrame(data)
print(df)
输出如下：
a b c 0 1 2 NaN 1 1 8 8.0
从 ndarrays/Lists 的字典来创建 DataFrame
所有的ndarrays必须具有相同的长度。如果传递了索引(index)，则索引的长度应等于数组的长度。
如果没有传递索引，则默认情况下，索引将为range(n)，其中n为数组长度。
实例-1
import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data)
print df
执行上面示例代码，得到以下结果 -
Age Name
0 28 Tom
1 34 Jack
2 29 Steve
3 42 Ricky
注 - 观察值
0,1,2,3。它们是分配给每个使用函数range(n)的默认索引。
示例-2
使用数组创建一个索引的数据帧(DataFrame)。
import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])
print df
执行上面示例代码，得到以下结果 -
Age Name
rank1 28 Tom
rank2 34 Jack
rank3 29 Steve
rank4 42 Ricky
注意 -
index参数为每行分配一个索引。
从列表创建数据帧 DataFrame
字典列表可作为输入数据传递以用来创建数据帧(DataFrame)，字典键默认为列名。
实例-1
以下示例显示如何通过传递字典列表来创建数据帧(DataFrame)。
import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print df
执行上面示例代码，得到以下结果 -
a b c
0 1 2 NaN
1 5 10 20.0
注意 - 观察到，NaN(不是数字)被附加在缺失的区域。
示例-2
以下示例显示如何通过传递字典列表和行索引来创建数据帧(DataFrame)。
import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data, index=['first', 'second'])
print df
执行上面示例代码，得到以下结果 -
a b c
first 1 2 NaN
second 5 10 20.0
实例-3
以下示例显示如何使用字典，行索引和列索引列表创建数据帧(DataFrame)。
import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
#With two column indices, values same as dictionary keys
df1 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])
#With two column indices with one index with other name
df2 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b1'])
print df1
print df2
执行上面示例代码，得到以下结果 -
#df1 output
a b
first 1 2
second 5 10
#df2 output
a b1
first 1 NaN
second 5 NaN
注意 - 观察，
df2使用字典键以外的列索引创建DataFrame; 因此，附加了 NaN 到位置上。而df1是使用列索引创建的，与字典键相同，所以也附加了 NaN。
从系列的字典来创建 DataFrame
字典的系列可以传递以形成一个 DataFrame。所得到的索引是通过的所有系列索引的并集。
示例
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print df
`
执行上面示例代码，得到以下结果 -
one two
a 1.0 1
b 2.0 2
c 3.0 3
d NaN 4
注意 - 对于第一个系列，观察到没有传递标签
'd'，但在结果中，对于d标签，附加了 NaN。
现在通过实例来了解列选择，添加和删除。
列选择
下面将通过从数据帧(DataFrame)中选择一列。
示例
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print df ['one']
执行上面示例代码，得到以下结果 -
a 1.0
b 2.0
c 3.0
d NaN
Name: one, dtype: float64
列添加
下面将通过向现有数据框添加一个新列来理解这一点。
示例
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
# Adding a new column to an existing DataFrame object with column label by passing new series
print ("Adding a new column by passing as Series:")
df['three']=pd.Series([10,20,30],index=['a','b','c'])
print df
print ("Adding a new column using the existing columns in DataFrame:")
df['four']=df['one']+df['three']
print df
执行上面示例代码，得到以下结果 -
Adding a new column by passing as Series:
one two three
a 1.0 1 10.0
b 2.0 2 20.0
c 3.0 3 30.0
d NaN 4 NaN
Adding a new column using the existing columns in DataFrame:
one two three four
a 1.0 1 10.0 11.0
b 2.0 2 20.0 22.0
c 3.0 3 30.0 33.0
d NaN 4 NaN NaN
列删除
列可以删除或弹出; 看看下面的例子来了解一下。
例子
# Using the previous DataFrame, we will delete a column
# using del function
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']),
'three' : pd.Series([10,20,30], index=['a','b','c'])}
df = pd.DataFrame(d)
print ("Our dataframe is:")
print df
# using del function
print ("Deleting the first column using DEL function:")
del df['one']
print df
# using pop function
print ("Deleting another column using POP function:")
df.pop('two')
print df
执行上面示例代码，得到以下结果 -
Our dataframe is:
one three two
a 1.0 10.0 1
b 2.0 20.0 2
c 3.0 30.0 3
d NaN NaN 4
Deleting the first column using DEL function:
three two
a 10.0 1
b 20.0 2
c 30.0 3
d NaN 4
Deleting another column using POP function:
three
a 10.0
b 20.0
c 30.0
d NaN
行选择，添加和删除
现在将通过下面实例来了解行选择，添加和删除。我们从选择的概念开始。
标签选择
可以通过将行标签传递给loc()函数来选择行。参考以下示例代码 -
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print df.loc['b']
执行上面示例代码，得到以下结果 -
one 2.0
two 2.0
Name: b, dtype: float64
结果是一系列标签作为DataFrame的列名称。而且，系列的名称是检索的标签。
按整数位置选择
可以通过将整数位置传递给iloc()函数来选择行。参考以下示例代码 -
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print df.iloc[2]
执行上面示例代码，得到以下结果 -
one 3.0
two 3.0
Name: c, dtype: float64
行切片
可以使用:运算符选择多行。参考以下示例代码 -
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print df[2:4]
执行上面示例代码，得到以下结果 -
one two
c 3.0 3
d NaN 4
附加行
使用append()函数将新行添加到 DataFrame。此功能将附加行结束。
import pandas as pd
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
df = df.append(df2)
print df
执行上面示例代码，得到以下结果 -
a b
0 1 2
1 3 4
0 5 6
1 7 8
删除行
使用索引标签从 DataFrame 中删除或删除行。如果标签重复，则会删除多行。
如果有注意，在上述示例中，有标签是重复的。这里再多放一个标签，看看有多少行被删除。
import pandas as pd
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
df = df.append(df2)
# Drop rows with label 0
df = df.drop(0)
print df
执行上面示例代码，得到以下结果 -
a b
1 3 4
1 7 8
在上面的例子中，一共有两行被删除，因为这两行包含相同的标签0。
