Python数据分析基础与应用（微课版）课件 4.3 熟悉Pandas的DataFrame结构

Python数据分析基础与应用模块4Pandas数据结构应用与数据读写操作4.3熟悉Pandas的DataFrame结构对DataFrame数据结构的特点总结如下：☑DataFrame结构每一列的标签值允许使用不同的数据类型；☑DataFrame结构是表格型的数据结构，具有行和列；☑DataFrame结构中的每个数据值都可以被修改。☑DataFrame结构的行数、列数允许增加或者删除；☑DataFrame结构有两个方向的标签轴，分别是行索引和列索引；☑DataFrame结构可以对行和列执行算术运算。4.3.1创建DataFrame对象创建DataFrame对象的语法格式如下：importpandasaspdpd.DataFrame(data,index,columns,dtype,copy)其函数参数说明如下：☑data：一组数据，可以是ndarray、series、list（列表）、dictionary（字典）、标量以及另一个DataFrame。☑index：行索引，也可以称为行标签，如果没有传递index值，则默认行索引是np.arange(n)，n代表data的元素个数。☑columns：列索引，如果没有传递columns值，则默认列索引是np.arange(n)。☑dtype：表示每一列的数据类型。☑copy：默认为False，表示复制数据data。4.3.2使用列索引操作DataFrameDataFrame可以使用列索引（columnsindex）来完成数据的选取、添加和删除操作，列索引通过columns属性获取的。1．使用列索引选取DataFrame的数据列（1）选择单列数据可以使用列索引标签轻松实现数据选取，如果想选择一列的内容，可把这一列的名称作为索引。（2）选择多列数据如果要选择多列的内容，可把这多列的名称构成一个列表形式。4.3.2使用列索引操作DataFrame（3）选取DataFrame中的1个数据如果想获取存储在DataFrame对象中的一个元素，需要依次指定元素所在的列名称、行的索引值或标签。例如，使用df1['name'][2]可以选择DataFrame数据结构中姓名为“温暖”的元素。（4）选取DataFrame中的某个范围内的数据如果想获取存储在DataFrame对象中某个范围内的元素，可用切片方式指定元素所在的列名称的范围和行的索引值或标签的范围。例如，使用df1['name'][1:3]可以选择姓名为“路远”和“温暖”的元素。4.3.2使用列索引操作DataFrame2．使用列索引添加DataFrame的数据列使用columns列索引标签可以实现添加新的DataFrame数据列，通过指定DataFrame对象新列的名称，并为其赋值即可。4.3.2使用列索引操作DataFrame3．使用列索引删除DataFrame中的数据列使用del()和pop()方法都能够删除DataFrame中的数据列。（1）使用del()方法删除DataFrame中的数据列如果要删除DataFrame中一整列的所有数据，可以使用del命令。（2）使用pop()方法删除DataFrame中的数据列pop()函数可以将所选列从原数据块中删除，原数据块不再保留该列。4.3.2使用列索引操作DataFrame（3）使用drop()函数删除DataFrame中的数据列在drop()函数中有两个参数，一个参数是axis，当参数axis=1时，则删除列元素；当axis=0时，则删除行元素。还有一个参数是inplace，当inplace设置为True时，drop()函数执行内部删除，不返回任何值，原数据发生改变；当inplace设置为False时，原数据不会发生改变，只是输出被删除的部分数据。4.3.3使用行索引操作DataFrame1．使用loc[]属性基于标签索引选取DataFrame中的数据loc[]属性的功能是基于标签索引选取数据，df.loc[]只能使用标签索引，不能使用整数索引。当通过标签索引的切片方式来筛选数据时，它的取值前闭后闭，也就是包括边界值标签（开始和结束）。loc[]属性具有多种访问方法，如下所示：☑一个标量标签☑标签列表☑切片对象☑布尔数组4.3.3使用行索引操作DataFrame2．使用iloc[]属性基于整数索引选取DataFrame中的数据df.iloc[]属性只能使用整数索引，不能使用标签索引，通过整数索引切片选择数据时，前闭后开（不包含边界结束值）。同Python和NumP一样，它们的索引都是从0开始。iloc[]属性提供了以下多种方式来选择数据：☑整数索引☑整数列表☑数值范围4.3.3使用行索引操作DataFrame2．使用iloc[]属性基于整数索引选取DataFrame中的数据df.iloc[]属性只能使用整数索引，不能使用标签索引，通过整数索引切片选择数据时，前闭后开（不包含边界结束值）。同Python和NumP一样，它们的索引都是从0开始。iloc[]属性提供了以下多种方式来选择数据：☑整数索引☑整数列表☑数值范围4.3.3使用行索引操作DataFrame（1）选取DataFrame中的单行数据通过将数据行所在的索引位置传递给iloc[]属性，可以实现数据行选取。其返回值是一个Series对象，其中列的名称已经变为索引数组的标签，而列中的元素变为Series数据部分。（2）选取DataFrame中的多行数据利用iloc属性和一个数组的切片来指定DataFrame对象的索引列表的取值范围，从而可选取多行元素。4.3.3使用行索引操作DataFrame3．通过切片操作选取DataFrame中的多行数据也可以使用切片的方式同时选取DataFrame中的多行数据。4.3.3使用行索引操作DataFrame4．DataFrame对象添加数据行（1）使用loc属性结合标签索引添加数据行可以使用loc属性结合标签索引为DataFrame对象新添加一行，并为此行赋值即可。（2）使用iloc属性结合整数索引添加数据行可以使用iloc属性结合整数索引为DataFrame对象新添加一行，并为此行赋值即可。（3）使用append()函数将新的数据行添加到DataFrame中可以使用append()函数可以将新的数据行添加到DataFrame中，该函数会在行末追加数据行。4.3.3使用行索引操作DataFrame5．删除数据行可以使用drop()函数结合行索引或行索引标签，从DataFrame中删除某一行或者多行数据。如果存在重复的行索引，那么它们将被一起删除。4.3.4使用DataFrame的常用属性和方法1．使用index属性获取DataFrame的行索引列表要获取DataFrame的行索引列表，调用DataFrame的index属性即可。2．使用columns属性获取DataFrame对象所有列的名称调用DataFrame的columns属性即可获取DataFrame对象所有列的名称。4.3.4使用DataFrame的常用属性和方法3．设置行索引和列索引标签使用index属性可以指定DataFrame结构中的索引数组，使用columns属性可以指定包含列名称的行。通过对一个DataFrame对象的index属性进行name设置（）就可以为DataFrame结构设置行索引标签名称。通过对一个DataFrame对象的columns属性进行name设置（）就可以为DataFrame结构设置列索引标签名称。4．使用T（Transpose）属性对DataFrame进行转置DataFrame的T属性返回DataFrame的转置，也就是把行和列进行交换。4.3.4使用DataFrame的常用属性和方法5．使用empty属性判断数据对象是否为空empty属性返回一个布尔值，判断数据对象是否为空，若为True表示对象为空。6．使用ndim属性获取数据对象的维数ndim属性返回数据对象的维数，DataFrame是一个二维数据结构。7．使用shape属性获取DataFrame的形状shape属性返回一个代表DataFrame维度的元组，返回值元组(m,n)，其中m表示行数，n表示列数。4.3.4使用DataFrame的常用属性和方法8．使用values属性返回DataFrame中的所有数据values属性以ndarray数组的形式返回DataFrame中的所有数据。9．使用head()和tail()方法查看数据使用head()或者tail()方法可以查看DataFrame的部分数据，其中head()方法返回前n行数据，默认显示前5行数据。tail()方法返回后n行数据。4.3.4使用DataFrame的常用属性和方法10．使用shift()方法移动行或列如果想要移动DataFrame中的某一行/列，可以使用shift()方法实现，它提供了一个periods参数，该参数表示在特定的轴上移动指定的步幅。shift()方法的返回值是移动后的DataFrame副本。shift()方法的语法格式如下：DataFrame.shift(periods=1,freq=None,axis=0)4.3.4使用Dat