Pandas:DataFrame对象的基础操作
来源:互联网 发布:星星网络在线星盘 编辑:程序博客网 时间:2024/06/08 17:16
DataFrame对象的创建,修改,合并
import pandas as pdimport numpy as np
创建DataFrame对象
# 创建DataFrame对象df = pd.DataFrame([1, 2, 3, 4, 5], columns=['cols'], index=['a','b','c','d','e'])print df
colsa 1b 2c 3d 4e 5
df2 = pd.DataFrame([[1, 2, 3],[4, 5, 6]], columns=['col1','col2','col3'], index=['a','b'])print df2
col1 col2 col3a 1 2 3b 4 5 6
df3 = pd.DataFrame(np.array([[1,2],[3,4]]), columns=['col1','col2'], index=['a','b'])print df3
col1 col2a 1 2b 3 4
df4 = pd.DataFrame({'col1':[1,3],'col2':[2,4]},index=['a','b'])print df4
col1 col2a 1 2b 3 4
创建DataFrame对象的数据可以为列表,数组和字典,列名和索引为列表对象
基本操作
# DataFrame对象的基本操作df2.index
Index([u'a', u'b'], dtype='object')
df2.columns
Index([u'col1', u'col2', u'col3'], dtype='object')
# 根据索引查看数据df2.loc['a'] # 索引为a这一行的数据# df2.iloc[0] 跟上面的操作等价,一个是根据索引名,一个是根据数字索引访问数据
col1 1col2 2col3 3Name: a, dtype: int64
print df2.loc[['a','b']] # 访问多行数据,索引参数为一个列表对象
col1 col2 col3a 1 2 3b 4 5 6
print df.loc[df.index[1:3]]
colsb 2c 3
# 访问列数据print df2[['col1','col3']]
col1 col3a 1 3b 4 6
计算
# DataFrame元素求和# 默认是对每列元素求和print df2.sum()
col1 5col2 7col3 9dtype: int64
# 行求和print df2.sum(1)
a 6b 15dtype: int64
# 对每个元素乘以2print df2.apply(lambda x:x*2)
col1 col2 col3a 2 4 6b 8 10 12
# 对每个元素求平方(支持ndarray一样的向量化操作)print df2**2
col1 col2 col3a 1 4 9b 16 25 36
列扩充
# 对DataFrame对象进行列扩充df2['col4'] = ['cnn','rnn']print df2
col1 col2 col3 col4a 1 2 3 cnnb 4 5 6 rnn
# 也可以通过一个新的DataFrame对象来定义一个新列,索引自动对应df2['col5'] = pd.DataFrame(['MachineLearning','DeepLearning'],index=['a','b'])print df2
col1 col2 col3 col4 col5a 1 2 3 cnn MachineLearningb 4 5 6 rnn DeepLearning
行扩充
# 行进行扩充print df2.append(pd.DataFrame({'col1':7,'col2':8,'col3':9,'col4':'rcnn','col5':'ReinforcementLearning'},index=['c']))
col1 col2 col3 col4 col5a 1 2 3 cnn MachineLearningb 4 5 6 rnn DeepLearningc 7 8 9 rcnn ReinforcementLearning
注意!
# 如果在进行 行扩充时候没有,指定index的参数,索引会被数字取代print df2.append({'col1':10,'col2':11,'col3':12,'col4':'frnn','col5':'DRL'},ignore_index=True)
col1 col2 col3 col4 col50 1 2 3 cnn MachineLearning1 4 5 6 rnn DeepLearning2 10 11 12 frnn DRL
# 以上的行扩充,并没有真正修改,df2这个DataFrame对象,除非df2 = df2.append(pd.DataFrame({'col1':7,'col2':8,'col3':9,'col4':'rcnn','col5':'ReinforcementLearning'},index=['c']))print df2
col1 col2 col3 col4 col5a 1 2 3 cnn MachineLearningb 4 5 6 rnn DeepLearningc 7 8 9 rcnn ReinforcementLearningc 7 8 9 rcnn ReinforcementLearning
print df2.loc['c']
col1 col2 col3 col4 col5c 7 8 9 rcnn ReinforcementLearningc 7 8 9 rcnn ReinforcementLearning
DataFrame对象的合并
# DataFrame 对象的合并df_a = pd.DataFrame(['wang','jing','hui','is','a','master'],columns=['col6'],index=['a','b','c','d','e','f'])print df_a
col6a wangb jingc huid ise af master
# 默认合并,只保留dfb中的全部索引dfb = pd.DataFrame([1,2,4,5,6,7],columns=['col1'],index=['a','b','c','d','f','g'])print dfb.join(df_a)
col1 col6a 1 wangb 2 jingc 4 huid 5 isf 6 masterg 7 NaN
# 默认合并之接受索引已经存在的值# 通过指定参数 how,指定合并的方式print dfb.join(df_a,how='inner') # 合并两个DataFrame对象的交集
col1 col6a 1 wangb 2 jingc 4 huid 5 isf 6 master
# 合并两个DataFrame对象的并集print dfb.join(df_a,how='outer')
col1 col6a 1.0 wangb 2.0 jingc 4.0 huid 5.0 ise NaN af 6.0 masterg 7.0 NaN
阅读全文
0 0
- Pandas:DataFrame对象的基础操作
- python/pandas dataframe中multiindex的操作
- Pandas DataFrame 日常的操作与发现
- pandas dataframe行和列的操作
- Pandas基础复习-DataFrame
- Pandas之DataFrame操作
- Pandas之Dataframe操作
- pandas.DataFrame 操作
- Pandas DataFrame操作
- pandas Dataframe操作笔记
- Pandas DataFrame 行列操作
- 利用Python进行数据分析(8) pandas基础: Series和DataFrame的基本操作
- pandas.Dataframe 的合并
- 【pandas】[2] DataFrame 基础,创建DataFrame和增删改查基本操作(1)
- 【pandas】[2] DataFrame 基础,创建DataFrame和增删改查基本操作(1)
- pandas中DataFrame相关操作
- Python pandas基础: Series和DataFrame的简单介绍
- pandas基础: Series和DataFrame的简单介绍
- 随便写点
- Central Europe Regional Contest 2014 [Gym
- ARP攻击
- I/O多路复用之水平触发和边沿触发模式
- 快速排序,归并排序
- Pandas:DataFrame对象的基础操作
- (转)先锋伯格:选择一条少有人走的路,所有的不同由此开始
- blade模板使用总结1
- ProjectEuler-Problem22-Names scores
- 接口抽象类的区别
- Spring(一)
- ARM板实现触控幻灯片
- 逆转链表 删除链表非尾节点
- io-4-netty-入门程序