[人工智能]『Python核心技术与实战』pandas.DataFrame()函数介绍

• DataFrame是Python中Pandas库中的一种数据结构，它类似excel，是一种二维表。DataFrame的单元格可以存放数值、字符串等，这和excel表很像，同时DataFrame可以设置列名columns与行名index。

一. 创建DataFrame

1.1. numpy创建

• 使用numpy函数创建： index和columns这两个参数是可选的，你可以选择不设置，而且这两个list是可以一样的。

import pandas as pd
import numpy as np

print(list("abc"))
df1 = pd.DataFrame(np.random.randn(3, 3), index=list("abc"), columns=list("ABC"))

1.2. 直接创建

• 直接创建：

df2 = pd.DataFrame([[1, 2, 3],
                    [2, 3, 4],
                    [3, 4, 5]], index=list("abc"), columns=list("ABC"))

1.3. 字典创建

• 使用字典创建：

import pandas as pd
import numpy as np

dict1 = {"name":["张三", "李四", "王二"],
         "age":[22, 44, 35],
         "gender":["男", "女", "男"]}
df3 = pd.DataFrame(dict1)

二. DataFrame属性

2.1. 查看列的数据类型

df3.dtypes

2.2. 查看DataFrame的头尾

• 使用head可以查看前几行的数据，默认的是前5行，不过也可以自己设置。
• 使用tail可以查看后几行的数据，默认也是5行，参数可以自己设置。

import numpy as np
import pandas as pd
data = np.random.randn(6, 4)
df = pd.DataFrame(data, index=list("abcdef"), columns=list("ABCD"))
# df.head()
df.head(2)
# df.tail() 
df.tail(2)

2.3. 查看行名与列名

df.index
df.columns

2.4. 查看数据值.values

• 使用values可以查看DataFrame里的数据值，返回的是一个ndarray(转成numpy类型)。

df.values

• 比如说查看某一列所有的数据值。

df['B'].values

• 如果查看某一行所有的数据值。使用iloc查看数据值（但是好像只能根据行来查看？），iloc是根据数字索引（也就是行号）。

df.iloc[0]

2.5. 查看行列数

df.shape[0]
df.shape[1]
df.shape

2.6. 切片和索引

• 使用冒号进行切片。
• 切片表示的是行切片
• 索引表示的是列索引

三. DataFrame操作

3.1. 转置

• 直接字母T，线性代数上线。

3.2. 描述性统计

df.describe()

• 如果有的列是非数值型的，那么就不会进行统计。
• 如果想对行进行描述性统计，转置后再进行describe。

3.3. 运算之求和、数乘及平方

• 使用sum()默认对每列求和，sum(1)为对每行求和。

df.sum()   # sum()每列求和
df.sum(1)  # sum(1)为对每行求和

• 数乘运算使用apply

df.apply(lambda x: x*2)

• 平方运算跟matlab类似，直接使用两个*。

df**2

3.4. 新增列

• 扩充列可以直接像字典一样，列名对应一个list，但是注意list的长度要跟index的长度一致。

3.5. 两个DataFrame合并

• 使用join可以将两个DataFrame合并，但只根据行列名合并，并且以作用的那个DataFrame的为基准。

• 但是，join这个方法还有how这个参数可以设置，合并两个DataFrame的交集或并集。参数为’inner’表示交集，'outer’表示并集。

• 如果要合并多个Dataframe，可以用list把几个Dataframe装起来，然后使用concat转化为一个新的Dataframe。

df10 = pd.DataFrame([1, 2, 3, 4, 5, 6], 
					index=list('ABCDEF'), columns=['a'])
df11 = pd.DataFrame([10, 20, 30, 40, 50, 60],
                    index=list('ABCDEF'), columns=['b'])
df12 = pd.DataFrame([100, 200, 300, 400, 500, 600],
                    index=list('ABCDEF'), columns=['c'])
list1 = [df10.T, df11.T, df12.T]
df13 = pd.concat(list1)
df13

3.6. 去重(重复行)

df.drop_duplicates(subset=None,
                   keep='first',
                   inplace=False
                   )

• subset：指定是哪些列重复。
• keep：去重后留下第几行，{‘first’, ‘last’, False}, default ‘first’｝，如果是False，则去除全部重复的行。
• inplace：是否作用于原来的df。

df14 = pd.DataFrame(data=[[1, 2, 3],
                          [1, 2, 4],
                          [1, 2, 4],
                          [1, 2, 3],
                          [1, 2, 5],
                          [1, 2, 5]],
                    index=list('ABCDEF'),
                    columns=['a', 'b', 'c'])

• 去除重复行,保留重复行中最后一行

df14.drop_duplicates(keep='last')

• 去除’c’列中有重复的值所在的行

df14.drop_duplicates(subset=('c',))

四. Python assert 关键字

• 判断条件是否返回True：

x = "hello"

#如果condition返回True，则不会发生任何事情:
assert x == "hello"

#如果condition返回False，则引发AssertionError:
assert x == "goodbye"

• 调试代码时使用assert关键字。assert关键字可以测试代码中的条件是否返回True，否则，程序将引发AssertionError。如果代码返回False，则可以编写一条消息，如下例子：

x = "hello"

#如果condition返回False，则引发AssertionError:
assert x == "goodbye", "x should be 'hello'"

五. 参考

• https://tefuirnever.blog.csdn.net/article/details/93708964
• https://www.cnblogs.com/IvyWong/p/9203981.html