pandas——DataFrame基本操作（一）

作者：i阿极

作者简介：Python领域新星作者、多项比赛获奖者：博主个人首页

😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍

📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪

---

---

一、实验目的

熟练掌握pandas中DataFrame的基本操作

二、实验原理

DataFrame提供的是一个类似表的结构，由多个Series组成，而Series在DataFrame中叫columns。

一、查看数据（查看对象的方法对于Series来说同样适用）

1.查看DataFrame前xx行或后xx行

a=DataFrame(data);

a.head(6)表示显示前6行数据，若head()中不带参数则会显示全部数据。

a.tail(6)表示显示后6行数据，若tail()中不带参数则也会显示全部数据。

2.查看DataFrame的index，columns以及values

a.index ; a.columns ; a.values 即可

3.describe()函数对数据快速统计汇总

a.describe()对每一列数据进行统计，包括计数，均值，std，各个分位数等。

4.对数据的转置

a.T

5.对轴进行排序

a.sort_index(axis=1,ascending=False)；

其中axis=1表示对所有的columns进行排序，下面的数也跟着发生移动。后面的ascending=False表示按降序排列，参数缺失时默认升序。

6.对DataFrame中的值排序

a.sort(columns=‘x’)

即对a中的x这一列，从小到大进行排序。注意仅仅是x这一列，而上面的按轴进行排序时会对所有的columns进行操作。

二、选择对象

1.选择特定列和行的数据

a[‘x’] 那么将会返回columns为x的列，注意这种方式一次只能返回一个列。a.x与a[‘x’]意思一样。

取行数据，通过切片[]来选择

如：a[0:3] 则会返回前三行的数据。

2.loc是通过标签来选择数据

a.loc[‘one’]则会默认表示选取行为’one’的行；

a.loc[:,[‘a’,‘b’] ] 表示选取所有的行以及columns为a,b的列；

a.loc[[‘one’,‘two’],[‘a’,‘b’]] 表示选取’one’和’two’这两行以及columns为a,b的列；

a.loc[‘one’,‘a’]与a.loc[[‘one’],[‘a’]]作用是一样的，不过前者只显示对应的值，而后者会显示对应的行和列标签。

3.iloc则是直接通过位置来选择数据

这与通过标签选择类似

a.iloc[1:2,1:2] 则会显示第一行第一列的数据;(切片后面的值取不到)

a.iloc[1:2] 即后面表示列的值没有时，默认选取行位置为1的数据;

a.iloc[[0,2],[1,2]] 即可以自由选取行位置，和列位置对应的数据。

4.使用条件来选择

使用单独的列来选择数据

a[a.c>0] 表示选择c列中大于0的数据

使用where来选择数据

a[a>0] 表直接选择a中所有大于0的数据

使用isin()选出特定列中包含特定值的行

a1=a.copy()

a1[a1[‘one’].isin([‘2’,‘3’])] 表显示满足条件：列one中的值包含’2’,'3’的所有行。

三、设置值（赋值）

赋值操作在上述选择操作的基础上直接赋值即可。

例a.loc[:,[‘a’,‘c’]]=9 即将a和c列的所有行中的值设置为9

a.iloc[:,[1,3]]=9 表示1和2列的所有行中的值设置为9

同时也依然可以用条件来直接赋值

a[a>0]=-a 表示将a中所有大于0的数转化为负值

三、实验环境

Python 3.6.1以上
jupyter notebook

四、实验内容

练习pandas中DataFrame的创建与查询操作。

五、实验步骤

1.创建DataFrame。

1.通过字典对象创建一个DataFrame。

import numpy as np
import pandas as pd
dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
print(df)

2.基础操作

1.查看df的前5行，查看df的后3行。

print(df.head())  
print(df.tail(3))  

2.查看df的索引名index。

print(df.index)

3.查看df的列名columns。

print(df.columns)

4.查看df的值values。

df.values

5.查看df的数据统计描述。

df.describe()

5.df的转置。

print(df.T)

6.按axis对df数据进行排序，axis=1表示按行排序，axis=0表示按列排序。

df.sort_index(axis=1,ascending=False) 

7.按value对df数据进行排序。

df.sort_values(by='B')

3.Selection查看操作

1.查看df中的A列，返回一个Series。

print(df['A'])  

2.通过[]查看df 的行片段。

print(df[0:3])

4.通过label查看df数据

1.使用loc查看df中dates[0]的部分。

df.loc[dates[0]]  

2.使用loc查看A、B两列的值

print(df.loc[:,['A','B']])  

3.使用loc查看日期从20130102到20130104的A,B量列的值。

print(df.loc['20130102':'20130104',['A','B']]) 

4.减少维度，查看日期为20130102中A,B两列的值。

df.loc['20130102',['A','B']] 

5.得到一个标量值，使用loc查看df中date[0],A列的值。

print(df.loc[dates[0],'A'])  

6.使用at快速查找df中dates[0],A列的值。

print(df.at[dates[0],'A']) 

7.使用iloc查看df的第4行数据。

print(df.iloc[3]) 

8.使用iloc查看df中行下标为3:5，列下标为0:2的数据（不包含行下标为5的行，也不包含列下标为2的列）。

print(df.iloc[3:5,0:2]) 

9.使用iloc查看df中行下标为1,2,4，列下标为0,2的数据。

print(df.iloc[[1,2,4],[0,2]]) 

10.使用iloc查看df行下标为1:3的数据（不包含下标为3的行）。

print(df.iloc[1:3,:])  

11.使用iloc查看df行列下标都为1的值。

print(df.iloc[1,1])

5.使用布尔索引查看df的数据

1.查看df中满足df.A>0布尔条件的值。

print(df[df.A>0])

2.查看df中满足df>0布尔条件的值。

print(df[df>0])

---