目录：

• 查看、索引
• 修改、删除
• 统计功能
• 去除空值

　　

• apply
• memory_usage
• pivot_table

 

1、DataFrame概念

Series对应的是一维序列，而DataFrame对应的是二维表结构（表格型的数据结构）

DataFrame可以看成共享同一个索引index的Series集合。

2、DataFrame创建

DataFrame对象可以由列表、元祖、字典创建，然后通过DataFrame函数创建，如：name和pay为列索引，行索引用默认的0,1,2

由字典创建:

用列表创建：然后通过DataFrame创建，index作为行索引，columns作为列索引。

3、基本操作：

 

• 查看dataframe的行索引：dataframe.index
• 查看dataframe的列索引：dataframe.columns
• 查看dataframe的值：dataframe.values   【值的类型为numpy.narray】
• 通过dataframe['列名'] 来查看值 ， 【值的类型为series】
• 查看dataframe单值索引：dataframe['列名']['行名']（注意先列后行）

　　用循环输出所有的值：

　　for i in dataframe.columns:

　　　　for j in dataframe.index:

　　　　　　print(dataframe[i][j])

• 查看dataframe的前n行：dataframe.head(n)
• 查看dataframe的后n行：dataframe.tail(n)
• 查看dataframe的数据描述：dataframe.describe【得到的结果为count、mean、std、min、25%、50%、75%、max】
• 查看dataframe的维度：dataframe.shape
• 查看dataframe的数据总个数：dataframe.size
• 查看dataframe的区域数据：dataframe.loc[行标签，[ 列标签 ] ] 函数  和  dataframe.iloc[ 行标签物理位置，[ 列标签物理位置 ] ]

　　　　（参照以下这张图）

　　　　切片行索引：dataframe.loc['2017-07-03':'2017-07-06']，只输出从3号到6号的值。

                       dataframe.iloc[2:6]

      　　进行列索引：dataframe.loc['2017-07-03':'2017-07-06',['value','code']]

                       dataframe.iloc[2:6,[0,1]]

       

• 查看dataframe的单个值：dataframe.at[行标签，列标签]
• 查看dataframe多个值：dataframe.ix[1:3,1:3]或者dataframe['a':'c','B':'D']即ix既可以通过属性来查看又可以通过行列数来查看。
• 修改dataframe的某个列名：dataframe.rename(  columns={  '要修改的名称'  : '改后的名称' },inspace=True)
• 提取dataframe的某一些特定行：isin

　　# 筛选p1列中值为'SD'和'HN'的行：df [ df.p1.isin ( ['SD','HN'] ) ]

• 不在里面：前面加一个~

　　#   ~df [ df.p1.isin ( ['SD','HN'] ) ]

• pandas.DataFrame排除特定行：

　　　#删除p1列中值为'SD'和'HN'的行

　　　将p1转换为列表，再从列表中移除特定的行：

ex_list = list(df.p1)ex_list.remove('SD')ex_list.remove('HN')df[df.p1.isin(ex_list)]

 

 

条件筛选功能：

 

简单统计功能：

（求均值）dataframe[  行标签或者列标签  ].mean()

（求最大值）dataframe[  行标签或者列标签  ].max()

（求和）sum ( dataframe [ 行标签或者列标签 ] )

（排序）：按照行索引排序，按照值排序等：dataframe.sort_index、dataframe.sort_values(by='标签') 【还有一些参数，比如ascending=False逆序排序】

（分组）：dataframe.groupby('标签')  【】

　　　　属性：as_index、axis、sort、

　　　　dataframe.groupby( ['标签1','标签2'] , as_index = False )，就是不将['标签1','标签2']作为index，默认是True。

　　axis = 1

level:

 

 

函数：sum()、agg()、count()、mean()

af.groupby(['name','course'])['score'].sum()#先将af按照name进行分组，再按照course进行分组，最后将score进行sum。

 　　　　

 

 

　　　　

（合并）：①append②concat③merge

　　　　　　append是追加

　　　　　　concat是将多个相同的dataframe合并，不用考虑有没有相同的字段。

　　　　　　merge类似数据库中的join，需要有相同的字段来合并。

　　　　　　pd.merge（dataframe1，dataframe2，on='相同的标签' )【可以完成sql中很多连接的工作】

（转置）：dataframe.T

（去重）：dataframe = dataframe.drop_duplicates()：返回了一个移除重复值的dataframe。

　　　　　dataframe = dataframe.drop_duplicates( [ 'A' ]) ：希望对A这一列重复的值删除。

4、例子：

创建一个DataFrame：

import numpy as npimport pandas as pddates=pd.date_range('2017-07-01',periods=7)col=['value']data=[]for i in range(1,8):    data.append(i)frame=pd.DataFrame(data,index=dates,columns=col)print(frame) frame['code']=['a','b','c','d','e','f','g'] frame['day']=frame.index.day#将行索引的日期拆成一列加入到dataframe中 frame['day'].value_counts()

 

 5、一些常用的函数

（1）删除缺失值：dropna(axis=0,subset=['Age','Sex']：意思是将属性Age或者Sex为空的列删除。

（2）数据透视表：df.pivot_table(index= ,value=,aggfunc=)：index是按照该属性为基准，value是要作用的值，aggfunc是进行什么函数操作，如：

df.pivot_table(index="Pclass", values="Survived", aggfunc=np.mean)：以Pclass为分组，对Survived进行均值操作。

（3）df.sort_values(属性名，ascending=False）:对df将按属性升值来排序。

（4）apply函数：df.apply(自定义的函数名），想运用自定义的函数对df进行操作。

 （5）memory_usage：返回每一列所占的内存大小。

 

1.