python下的Pandas中DataFrame基本操作（二），DataFrame、dict、array构造简析

学到老

发布于 2019-01-25 14:02:04

4.3K0

发布于 2019-01-25 14:02:04

文章被收录于专栏：深度学习之tensorflow实战篇深度学习之tensorflow实战篇

DataFrame简介：

　　DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。跟其他类似的数据结构相比（如R的data.frame），DataFrame中面向行和面向列的操作基本上是平衡的。其实，DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）。

导入基本python库：

import numpy as np import pandas as pd

DataFrame构造：

　　1：直接传入一个由等长列表或NumPy数组组成的字典；

dict = {
    "key1": value1;
    "key2": value2;
    "key3": value3;

}

　注意：key 会被解析为列数据，value 会被解析为行数据。

　>>> data = {
...     'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
...     'year': [2000, 2001, 2002, 2001, 2002],
...     'pop': [1.5, 1.7, 3.6, 2.4, 2.9]
... }

>>> pd.DataFrame(data)
   pop   state  year
0  1.5    Ohio  2000
1  1.7    Ohio  2001
2  3.6    Ohio  2002
3  2.4  Nevada  2001
4  2.9  Nevada  2002

主动指定列排序方式：

pd.DataFrame(data, columns=['year', 'state', 'pop'])
   year   state  pop
0  2000    Ohio  1.5
1  2001    Ohio  1.7
2  2002    Ohio  3.6
3  2001  Nevada  2.4
4  2002  Nevada  2.9

　此处 0-1位自动生成的列索引，当然了也可以主动指定。

pd.DataFrame(data, columns=['year', 'state', 'pop'], index=['one', 'two', 'three', 'four', 'five'])
       year   state  pop
one    2000    Ohio  1.5
two    2001    Ohio  1.7
three  2002    Ohio  3.6
four   2001  Nevada  2.4
five   2002  Nevada  2.9

需要注意的是：将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度相匹配！！否则会报ValueError。

pd.DataFrame(data, columns=['year', 'state', 'pop'], index=['one', 'two', 'three', 'four']) 
ValueError: Shape of passed values is (3, 5), indices imply (3, 4)

2：传入一个由嵌套的字典；

　　它就会被解释为：外层字典的键作为列，内层键则作为行索引。

>>> dict = {
...     "key1": {
...         "subkey1": 1,
...         "subkey2": 2,
...         "subkey3": 3,
...     },
...     "key2": {
...         "subkey1": 4,
...         "subkey2": 5,
...         "subkey3": 6,
...     },
...     "key3": {
...         "subkey1": 7,
...         "subkey2": 8,
...         "subkey3": 9,
...     },
... }

>>> pd.DataFrame(dict)
         key1  key2  key3
subkey1     1     4     7
subkey2     2     5     8
subkey3     3     6     9

请务必保证嵌套字典的key的一致性，不然的话，数据会异常，但不会显式的报错，而是显示出NaN,

>>> dict = {
...     "key1": {
...         "subkey1111111111111111": 1,
...         "subkey2": 2,
...         "subkey3": 3,
...     },
...     "key2": {
...         "subkey1": 4,
...         "subkey2": 5,
...         "subkey3": 6,
...     },
...     "key3": {
...         "subkey1": 7,
...         "subkey2": 8,
...         "subkey3": 9,
...     },
... }
>>> pd.DataFrame(dict)
                        key1  key2  key3
subkey1                  NaN   4.0   7.0
subkey1111111111111111   1.0   NaN   NaN
subkey2                  2.0   5.0   8.0
subkey3                  3.0   6.0   9.0

3：传入一个二维nd.array；

>> s = [[1,2],[3,4]]
>>> np.array(s)
array([[1, 2],　
　　  　[3, 4]])
>>> pd.DataFrame(np.array(s))

0 1 0 1 2 1 3 4

　当然了你也可以主动指定行和列索引（不赘述）：

>>> pd.DataFrame(np.array(s),index=['one', 'two'], columns=['year', 'state'])
     year  state
one     1      2
two     3      4

4:Python中将列表转换成为数据框有两种情况：第一种是两个不同列表转换成一个数据框，第二种是一个包含不同子列表的列表转换成为数据框。第一种：两个不同列表转换成为数据框

from pandas.core.frame import DataFrame
a=[1,2,3,4]#列表a
b=[5,6,7,8]#列表b
c={"a" : a,
   "b" : b}#将列表a，b转换成字典
data=DataFrame(c)#将字典转换成为数据框
print(data)

输出的结果为

第二种：将包含不同子列表的列表转换为数据框

from pandas.core.frame import DataFrame
a=[[1,2,3,4],[5,6,7,8]]#包含两个不同的子列表[1,2,3,4]和[5,6,7,8]
data=DataFrame(a)#这时候是以行为标准写入的
print(data)

输出结果：

   0  1  2  3
0  1  2  3  4
1  5  6  7  8

data=data.T#转置之后得到想要的结果
data.rename(columns={0:'a',1:'b'},inplace=True)#注意这里0和1都不是字符串
print(data)

   a  b
0  1  5
1  2  6
2  3  7
3  4  8

　5：传入其他的数据（初始化方式基本类似）；

　参考资料：《利用Python进行数据分析》

在一个空的dataframe中插入数据

def test():
    LIST=[1,2,3,4]
    empty = pd.DataFrame(columns = ["med", "id"])

    for i in LIST:
        new= pd.DataFrame({"med":i,"id":i+1},index=["0"])
        empty= empty.append(new,ignore_index=True)
    print(empty)

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2018年04月25日，如有侵权请联系 cloudcommunity@tencent.com 删除

python