Python Pandas DataFrame

Pandas DataFrame 是一个广泛使用的数据结构，它处理带有已标记轴（行和列）的二维数组。DataFrame 被定义为一种存储具有两个不同索引（即行索引和列索引）的数据的标准方式。它包含以下属性：

• 列可以是异构类型，例如 int、bool 等。
• 它可以看作是 Series 的字典结构，其中行和列都带有索引。对于列，它表示为“columns”，对于行，它表示为“index”。

参数 & 描述

data: 它包含多种形式，如 ndarray、series、map、constants、lists、array。

index: 如果未传递索引，则默认使用 np.arrange(n) 索引作为行标签。

columns: 如果未传递索引，则列标签的默认语法为 np.arrange(n)。它仅显示 true。

dtype: 它指的是每列的数据类型。

copy(): 用于复制数据。

创建 DataFrame

我们可以通过以下方式创建 DataFrame：

• dict
• 列表
• Numpy ndarrrays
• Series

创建一个空的 DataFrame

下面的代码展示了如何在 Pandas 中创建一个空的 DataFrame：

输出

Empty DataFrame
Columns: []
Index: []

解释：在上面的代码中，首先，我们使用别名pd导入了 pandas 库，然后定义了一个名为df的变量，该变量包含一个空的 DataFrame。最后，我们通过将df传递到print函数来打印它。

使用列表创建 DataFrame

我们可以轻松地在 Pandas 中使用列表创建 DataFrame。

输出

      0
0   Python
1   Pandas

解释：在上面的代码中，我们定义了一个名为“x”的变量，它包含字符串值。DataFrame 构造函数被调用以列表形式打印这些值。

从 ndarrays/ Lists 的字典创建 DataFrame

输出

       ID      Department
0      101        B.Sc
1      102        B.Tech
2      103        M.Tech

解释：在上面的代码中，我们定义了一个名为“info”的字典，它包含ID和Department的列表。要打印值，我们需要通过一个名为df的变量调用 info 字典，并将其作为参数传递给print()。

从 Series 的字典创建 DataFrame

输出

        one         two
a       1.0          1
b       2.0          2
c       3.0          3
d       4.0          4
e       5.0          5
f       6.0          6
g       NaN          7
h       NaN          8

解释：在上面的代码中，一个名为“info”的字典包含两个Series及其各自的索引。要打印值，我们需要通过一个名为d1的变量调用info字典，并将其作为参数传递给print()。

列选择

我们可以从 DataFrame 中选择任何列。下面的代码演示了如何从 DataFrame 中选择一列：

输出

a      1.0
b      2.0
c      3.0
d      4.0
e      5.0
f      6.0
g      NaN
h      NaN
Name: one, dtype: float64

解释：在上面的代码中，一个名为“info”的字典包含两个Series及其各自的索引。稍后，我们通过一个名为d1的变量调用了info字典，并通过将“one” Series 传递给print()来从 DataFrame 中选择它。

列添加

我们也可以向现有 DataFrame 添加新列。下面的代码演示了如何向现有 DataFrame 添加新列：

输出

Add new column by passing series
      one     two      three
a     1.0      1        20.0
b     2.0      2        40.0
c     3.0      3        60.0
d     4.0      4        NaN
e     5.0      5        NaN
f     NaN      6        NaN

Add new column using existing DataFrame columns
       one      two       three      four
a      1.0       1         20.0      21.0
b      2.0       2         40.0      42.0
c      3.0       3         60.0      63.0
d      4.0       4         NaN      NaN
e      5.0       5         NaN      NaN
f      NaN       6         NaN      NaN

解释：在上面的代码中，一个名为f的字典包含两个Series及其各自的索引。稍后，我们通过一个名为df的变量调用了info字典。

要向现有的 DataFrame 对象添加新列，我们传递了一个包含与其索引相关的某些值的新 Series，并通过print()打印了其结果。

我们可以使用现有的 DataFrame 添加新列。“four”列已被添加，它存储了两个列（即one和three）相加的结果。

列删除

我们也可以从现有 DataFrame 中删除任何列。此代码有助于演示如何从现有 DataFrame 中删除列：

输出

The DataFrame:
      one    two
a     1.0     1
b     2.0     2
c     NaN     3

Delete the first column:
     two
a     1
b     2
c     3

Delete the another column:
Empty DataFrame
Columns: []
Index: [a, b, c]

说明

在上面的代码中，df变量负责调用info字典并打印字典的全部值。我们可以使用delete或pop函数从 DataFrame 中删除列。

在第一种情况下，我们使用delete函数从 DataFrame 中删除了“one”列；而在第二种情况下，我们使用pop函数从 DataFrame 中删除了“two”列。

行选择、添加和删除

行选择

我们可以随时轻松地选择、添加或删除任何行。首先，我们将理解行选择。让我们看看如何通过以下几种方式选择一行：

按标签选择

我们可以通过将行标签传递给loc函数来选择任何行。

输出

one    2.0
two    2.0
Name: b, dtype: float64

解释：在上面的代码中，一个名为info的字典包含两个Series及其各自的索引。

为了选择一行，我们将行标签传递给了loc函数。

按整数位置选择

也可以通过将整数位置传递给iloc函数来选择行。

输出

one    4.0
two    4.0
Name: d, dtype: float64

解释：解释：在上面的代码中，我们定义了一个名为info的字典，它包含两个Series及其各自的索引。

为了选择一行，我们将整数位置传递给了iloc函数。

切片行

这是使用':'运算符选择多行的另一种方法。

输出

      one    two
c     3.0     3
d     4.0     4
e     5.0     5

解释：在上面的代码中，我们定义了从 2:5 的范围用于行选择，然后将其值打印到控制台。

添加行

我们可以使用append函数轻松地向 DataFrame 添加新行。它会在末尾添加新行。

输出

      x      y
0     7      8
1     9      10
0     11     12
1     13     14

解释：在上面的代码中，我们定义了两个单独的列表，其中包含一些行和列。这些列已通过append函数添加，然后将结果显示在控制台上。

删除行

我们可以使用index标签从 DataFrame 中删除或丢弃任何行。如果标签重复，则会删除多行。

输出

x      y
1     6      7
1     10    11

解释：在上面的代码中，我们定义了两个单独的列表，其中包含一些行和列。

在这里，我们定义了需要从列表中删除的行的索引标签。

DataFrame 函数

DataFrame 中有很多函数，它们如下：