在Python中按行拆分Pandas DataFrame

Pandas 是一个强大且开源的 Python 库，用于数据操作，在执行数据分析任务时非常有用；pandas 提供了对执行数据分析任务非常有帮助的数据结构和函数。Pandas 构建在 NumPy 库之上，非常适合处理表格数据，如电子表格或 SQL 表。Pandas 库功能强大且易于使用，使其成为数据分析的有力工具。数据科学家使用 Pandas 在 Python 中处理结构化数据。

Pandas 与其他用于数据科学的库结合使用。Pandas 构建在 NumPy 库之上，这意味着许多函数都取自 NumPy。Pandas 生成的数据用于绘制 Matplotlib 的函数，在 SciPy 中进行统计分析，以及在 Scikit-learn 中使用机器学习算法。Pandas 库的功能

1. 数据清洗、数据整理和连接。
2. 浮点数和非浮点数数据的缺失值插补都很容易。
3. 可以在 DataFrame 中插入和删除列。

数据可视化。

pd 代表 Pandas 的别名。使用别名并非必需；此别名只是有助于每次编写更少的代码，并且可以用来清晰地编写代码。

Pandas 提供了两种数据结构

• Series
• 数据帧（DataFrame）

Pandas Series

Pandas Series 是一维数组，用于保存任何类型的数据（整数、字符串、浮点数、Python 对象等）。轴标签称为索引。Pandas Series 类似于 Excel 表格中的一列。Pandas Series 中的标签不一定唯一，但必须是可哈希的类型。让我们看看如何在 Pandas 中创建 Series。Series 可以通过列表、字典、标量值等创建。

输出

Pandas Series:  Series([], dtype: float64)
Pandas Series:
 0    p
1    a
2    n
3    d
4    a
dtype: object

在上面的代码中，pandas 库被导入为 pd，NumPy 库被导入为 np。使用 Pandas 提供的 Series 方法创建了一个 Series，并使用 numpy 中的 array() 方法创建了一个字符的 numpy 数组；数组值被传递给 pandas 中的 series() 方法，然后打印 Series。

让我们看看如何在 Pandas 中创建 DataFrame

DataFrame 类似于表格，其中值以行和列的形式存储。DataFrame 可以通过加载 SQL 数据库、CSV 文件或 Excel 文件中的数据集来创建。Pandas DataFrame 也可以由列表、字典和字典列表等创建。

示例

输出

Empty DataFrame
Columns: []
Index: []
        0
0    Data
1   Frame
2      in
3  Pandas

说明

在上面的代码中，导入了 pandas 模块，创建了一个 DataFrame 构造函数，创建了一个列表，将列表传递给了 DataFrame 构造函数，然后打印了数据。

许多时候，当你尝试导入 pandas 时会出现导入错误。这是由于 pandas 库安装不当，或者 pandas 库未安装导致的。

让我们看看如何拆分 Pandas DataFrame

示例

输出

Create DataFrame:
    Courses    Fee  Discount Duration
0    Spark  22000      1000   35days
1  PySpark  25000      2300   35days
2   Hadoop  23000      1000   40days
3   Python  24000      1200 30 days
4   Pandas  26000      2500   25days

说明

在上面的代码中，导入了 Pandas 模块，并使用字典创建了一个 DataFrame。使用 Pandas 提供的本地方法分割了列值。

使用 iloc[] 分割函数按行拆分 Pandas DataFrame

Python 提供的 iloc 属性有助于按行拆分 DataFrame。iloc 用于按位置或索引获取行和列。

按行拆分 DataFrame

此方法用于根据行获取 DataFrame 的特定部分。让我们看看如何拆分 DataFrame。

代码

输出

Create DataFrame:
    Courses    Fee  Discount Duration
0    Spark  22000      1000   35days
1  PySpark  25000      2300   35days
2   Hadoop  23000      1000   40days
3   Python  24000      1200 30 days
4   Pandas  26000      2500   25days
=========================
   Courses    Fee  Discount Duration
0    Spark  22000      1000   35days
1  PySpark  25000      2300   35days
=========================
  Courses    Fee  Discount Duration
2  Hadoop  23000      1000   40days
3  Python  24000      1200 30 days
4  Pandas  26000      2500   25days

说明

在上面的代码中，导入了 Pandas 模块，并使用字典数据创建了一个 DataFrame。使用本地方法，按行拆分了 DataFrame。

按列拆分 DataFrame

可以使用基于行的本地方法将 DataFrame 拆分到列中。让我们看看如何按列拆分 DataFrame。

代码

输出

Create DataFrame:
    Courses    Fee  Discount Duration
0    Spark  22000      1000   35days
1  PySpark  25000      2300   35days
2   Hadoop  23000      1000   40days
3   Python  24000      1200   30days
4   Pandas  26000      2500   25days
=========================
   Courses    Fee
0    Spark  22000
1  PySpark  25000
2   Hadoop  23000
3   Python  24000
4   Pandas  26000
=====================
   Discount Duration
0      1000   35days
1      2300   35days
2      1000   40days
3      1200   30days
4      2500   25days
=====================

说明

在上面的代码中，导入了 Pandas 模块，并使用字典创建了一个 DataFrame。数据根据行被拆分到列中。

结论

在数据分析的上下文中，在 Pandas 中拆分行非常重要。有各种方法可以在 Python 中将 Pandas DataFrame 拆分到行。