前言
大家好！我是一朵向阳花（花花花）🍭，本期跟大家分享的知识是 pandas 数据结构——DataFrame。
作者的【 Python 数据分析】专栏正在火热更新中🔥，如果本文对您有帮助，欢迎大家点赞 + 评论 + 收藏 ！
每日金句分享：慢慢来，谁还没有一个努力的过程。』—— pony「网易云音乐」。
一、DataFrame创建
DataFrame 是一个表格型的数据结构，DataFrame 既有行索引，又有列索引。
index：行索引column：列索引values：二维 NumPy 数组
1.1 字典创建
字典创建时，字典的键变成
column，值一般要是一个可迭代对象。
d = {
'name':['John','marry','kitty','smith'],
'age':[21,32,43,31]
}
df = pd.DataFrame(d)
df
1.2 NumPy二维数组创建
NumPy 二维数组创建时，只需要将二维数组赋值给 DataFrame 的
values，然后指定index行索引和column列索引即可。
df = pd.DataFrame(
data=np.random.randint(10,100,size=(4,6)),
index=['小明','小红','小黄','小绿'],
columns=['语文','数学','英语','化学','物理','生物']
)
df
二、DataFrame切片
对于 DataFrame 的切片操作，因为是表格型，因此可以分为行切片，列切片，行列切片。
df = pd.DataFrame(
data=np.random.randint(10,100,size=(4,6)),
index=['小明','小红','小黄','小绿'],
columns=['语文','数学','英语','化学','物理','生物']
)
print(df)
2.1 行切片
既然是切片，也是分为显式切片和隐式切片，下面分别演示。
显式切片：
df['小红':'小黄']
df.loc['小红':'小黄']
隐式切片：
df[1:3] # 数字是左闭右开
df.iloc[1:3]
2.2 列切片
对于列切片，即不管第一个维度（使用
:,实现），需要特别注意的是，对列切片不能使用中括号[]，只能使用loc或iloc。
- 显式切片
df.loc[:,'语文':'英语']
使用中括号报错：
- 隐式切片
df.iloc[:,0:3]
使用中括号报错：
2.3 行列切片
行列切片同时涉及对行和对列的切片，因此，对行列切片也只有两种方式，
loc&iloc。
df.loc['小明':'小红','语文':'数学']
df.iloc[0:2,0:2]
三、DataFrame运算
3.1 DataFrame和标量的运算
DataFrame和标量之间的运算（±*/ // % **），正常对每个元素运算即可。
df1 = pd.DataFrame(
data=np.random.randint(0,10,(2,3))
)
display(df1)
df1 + 10
3.2 DataFrame之间的运算
DataFrame的运算需要注意：
- 1.DataFrame没有广播机制，因此它不会为缺失的行列补充数据
- 2.如果索引对应，那么正常运算
- 3.如果索引不对应，那么是
NaN- 4.如果想给没有索引的地方填充数据，使用
add函数
df1 = pd.DataFrame(
data=np.random.randint(0,10,(2,3))
)
df2 = pd.DataFrame(
data=np.random.randint(0,10,(3,2))
)
display(df1,df2)
df1 + df2
使用 add 函数填充数据：
df1.add(df2,fill_value=0)
3.3 Series和DataFrame之间的运算
Series 的行索引会
自动匹配 DataFrame 的列索引，匹配成功后，会对 DataFrame 的每一行都做相同的运算。
s = pd.Series([100,10,1],index=df1.columns)
df = pd.DataFrame(data=np.random.randint(2,10,(3,3)))
display(s,df)
df + s
四、DataFrame多层次索引
4.1 多层次索引构造
多层次索引创建包括隐式构造和显式构造，隐式构造是直接指定一个多维
index和多维column的构造方式，显式构造是通过MultiIndex类来构造的，有三种方式，分别是数组、元组、笛卡尔积。
1.隐式构造
data = np.random.randint(0,100,size=(6,6))
index = pd.MultiIndex.from_arrays([
['一班','一班','一班','二班','二班','二班'],
['张三','李四','王五','赵六','孙七','王八']
])
columns = [
['期中','期中','期中','期末','期末','期末'],
['语文','数学','英语','语文','数学','英语']
]
df = pd.DataFrame(data=data,index=index,columns=columns)
df
2.显式构造
显式构造在隐式构造的基础上，只改变 index ，不改变其他。
- <1> 数组
index = pd.MultiIndex.from_arrays([
['一班','一班','一班','二班','二班','二班'],
['张三','李四','王五','赵六','孙七','王八']
])
- <2> 元组
index = pd.MultiIndex.from_tuples(
(
('一班','张三'),('一班','李四'),('一班','王五'),
('二班','赵六'),('二班','孙七'),('二班','王八')
)
)
- <3> 笛卡尔积
笛卡尔积构造出来的是 2 x 3 = 6 个 index 。
index = pd.MultiIndex.from_product([
['一班','二班'],
['张三','李四','王五']
])
三种构造方法的运行结果和显式构造相同。
4.2 DataFrame多层索引的索引
1.获取元素
多层次索引中，如果使用
中括号，那么是列列行行；如果使用loc，那么是行列列行，如果使用iloc，那么是行列。
还是使用上面构造的期中、期末成绩表格演示。
# 显式索引
print(df['期中']['语文']['一班']['张三'])
print(df.loc['一班']['期中']['语文']['张三'])
# 隐式索引
print(df.iloc[1])
2.列索引&行索引
只需要牢牢记住中括号
[]、loc、iloc在多层索引中的使用规则即可。
df['期中']
df.loc['一班']['期中']
df.iloc[:,[1]]
4.3 DataFrame多层索引的切片操作
DataFrame 多层次索引切片较为复杂，可以参考这篇博客 【数据分析day03】pandas“层次化索引对象”的多层索引,切片,stack。
五、索引的堆叠
索引的堆叠是指将行变成列，或将列变成行的操作，列变行由
stack函数实现，行变列由unstack函数实现。
stack：将列索引变成行索引，默认是将最里层的列索引变成行索引，可以通过level控制，level默认等于 -1 并且变成的行索引也是在最里层。
首先构造 dataframe 对象：
data = np.random.randint(0,100,size=(6,6))
index = pd.MultiIndex.from_arrays([
['一班','一班','一班','二班','二班','二班'],
['张三','李四','王五','赵六','孙七','王八']
])
columns = [
['期中','期中','期中','期末','期末','期末'],
['语文','数学','英语','语文','数学','英语']
]
df = pd.DataFrame(data=data,index=index,columns=columns)
df
然后使用 stack 函数将列索引变成行索引：
df.stack()
和下列写法等价：
df.stack(level=-1)
将最外层列索引变成行索引：
df.stack(level=0)
unstack：将行索引变成列索引（反堆叠），并且变成的列索引在最里层
还是使用上面的 dataframe 对象，进行反堆叠：
df.unstack()
level 属性：level默认等于 -1 ，最外层是0，最往里数值越大，-1就是指最里层
fill_value 属性：是stack、unstack方法的属性，用于填充NaN值。
不填充空值时：
df.unstack(level=0)
添加 fill_value 属性填充：
df.unstack(level=0,fill_value=0)
六、聚合操作
dataframe 聚合操作就是指 dataframe 聚合函数，有
sum、mean、max、min等，主要有两个属性：aixs 控制行列，level 控制层级。
axis 属性：控制行列，axis = 0 表示行，axis = 1 表示列。
level 属性：控制层级，从外到里，依次增大，-1 表示最里层。
构造 dataframe 对象：
data = np.random.randint(0,100,size=(6,6))
index = pd.MultiIndex.from_arrays([
['一班','一班','一班','二班','二班','二班'],
['张三','李四','王五','赵六','孙七','王八']
])
columns = [
['期中','期中','期中','期末','期末','期末'],
['语文','数学','英语','语文','数学','英语']
]
df = pd.DataFrame(data=data,index=index,columns=columns)
df
使用 sum 函数聚合：
df.sum()
和下列写法等价：
df.sum(axis=0)
保留第一层列，求行的和：
df.sum(axis=1,level=0)
结语
💕 本期跟大家分享的 “芝士” 就到此结束了，关于 DataFrame 数据结构，你学会了吗？✨
🍻 我是向阳花花花花，在学习的路上一直前行，期待与你一起进步。~ 🍻文章来源：https://www.toymoban.com/news/detail-559712.html
🔥 如果文中有些地方不清楚的话，欢迎联系我，我会给大家提供思路及解答。🔥文章来源地址https://www.toymoban.com/news/detail-559712.html
相关导读
| 文章直达 | 链接 |
|---|---|
| 上期回顾 | 【数据分析 - 基础入门之pandas篇②】- pandas数据结构——Series |
到了这里，关于【数据分析 - 基础入门之pandas篇③】- pandas数据结构——DataFrame的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
