玩转Pandas，让数据处理更easy系列2

01

回顾

上一篇总结了Pandas中最重要的两个数据结构：Series和DataFrame，前者相当于更加强大的一维数组，是数组和字典的组合，因为既可以按照位置，也能通过键获取访问元素；而DataFrame是Series的容器，二维的数组，有行、列标签。正是通过这两个强大的数据结构和基于它们建立的各种操作，才使得Pandas称霸数据处理领域工具库，关于这篇请参考：

玩转Pandas，让数据处理更easy系列1

02

DataFrame结构剖析

因为DataFrame本质上是二维数组，其中values是Numpy，行索引是index,列索引是 columns的组合。接下来，创建一个pd_data，分别作如下操作：

#创建pd_data，values是二维list，index默认(0,1,2,...)，columns: ['A','B','C'] pd_data = pd.DataFrame([ [4, 9, 1], [3, 5, 2] ], columns = list('ABC') )

获取values，可以看出是ndarray的Numpy数组，因此可以使用ndarray实例的一切API:

pd.values

获取index，可以看到返回RangeIndex实例，是默认的行索引，查源码可以看出继承关系如下：

Index

|

NumericIndex

|

Int64Index

|

RangeIndex

pd_data.index

获取columns，直接返回Index实例，可以看到pd_data的列索引：

pd_data.columns

以上，可以看出pd_data的基本组成结构，以及如何拆分出所需要的values和索引(index,columns)结构。

03

DataFrame索引

DataFrame的索引可以按照一维索引方式，或二维索引方式。

一维索引方式，类似于numpy等的冒号直接索引，但是这种方法只能通过列索引标签获取，如下，返回的是一个Series实例，name是索引的列标签名称。

pd_data['B']

二维索引常用的 loc 接口，提供二维的访问方法，用法如下：

pd_data.loc[1,'B']

得到是元素5，即行索引标签为1，列标签为‘B’的元素

插播：

• loc的作用不是仅仅用作访问某个已存在的元素。
• 因为说过，columns, index的作用类似于字典，言外之意，如果访问的标签不存在，它会自动添加进去，如下：

pd_data.loc[:,'D'] = 10 #增加一列，列标签是'D' pd_data['D'] = 10 # 直接这样写更精简，但是默认必须为添加列标签

pd_data.loc[-1,:] = 0 #增加一行，行标签是 -1

pd_data[-1] = -11 # No! 这样写不是添加一行

04

DataFrame删除某列或某行

删除DataFrame的某行或某列，调用drop()，参数是标签值，如下：

现在的pd_data：

删除'E'列，ok, 调用 drop('E',axis=1)，axis参数必须给出！

pd_data = pd_data.drop('E',axis=1) #注意必须赋值给pd_data，因为这不是in-place drop

删除标签为-1的行：

pd_data = pd_data.drop(-1,axis=0)

测试如果标签为-1的行有多个，删除会发生，再构造标签为-1的行：

pd_data = pd_data.append(pd.Series([1]*5, index=['A,'B','C','D',-1], name=1)) pd_data

删除标签为1的行，可以看到同时删除了两行。

pd_data = pd_data.drop(1,axis=0) pd_data

以上总结了，DataFrame的结构，索引，增加，删除操作，如有问题，请指正。

下载源码，请在公众号后台回复： pandas

更多文章：

深度学习|大师之作，必是精品

算法channel关键词和文章索引

算法优化|说说哨兵(sentinel value)

Numpy|需要信手拈来的功能

机器学习|快速排序思想求topk

机器学习|支持向量机参数求解