[python][pandas]DataFrame的基本操作

问题来源

在实验中经常需要将数据保存到易于查看的文件当中，由于大部分都是vector数据，所以选择pandas的dataframe来保存到csv文件是最简单的方法。

基本操作

下图是DataFrame的一些基本概念，可以看出与基本的csv结构是保持一致的。

1. 创建DataFrame

创建DataFrame通常有两种方法，从list中创建和从dict中创建:

• 从dict创建，key的名字会作为名，如下所示：

  >>> d = {'col1': [1, 2], 'col2': [3, 4]}
  >>> df = pd.DataFrame(data=d)
  >>> df
     col1  col2
  0     1     3
  1     2     4
  

• 从list创建， 列名会以[0,n]来显示：

  >>> d = [2, 3, 4, 5]
  >>> df = pd.DataFrame(data=d)
  >>> df
    0
  0 2
  1 3
  2 4
  3 5
  

  当然也可以指定列名：

  >>> df2 = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]),
  ...                    columns=['a', 'b', 'c'])
  >>> df2
     a  b  c
  0  1  2  3
  1  4  5  6
  2  7  8  9
  

note:对于不带小数点的数字，df默认的datatype为int64,如果需要修改datatype，那么需要在创建的时候声明datatype:

>>> df = pd.DataFrame(data=d, dtype=np.int8)

2. 行列选择

行列查找，可以分为单行/列查找和多行/列查找，思路都一样。

单/多行查找是通过loc函数进行查找的，例子如下：

>>> data = pd.read_csv("nba.csv", index_col ="Name")
>>> data.loc["Avery Bradley"]) # 查找一行
>>> data.loc[["Avery Bradley","R.J. Hunter"]] #查找多行

需要注意的是，先对数据进行索引，默认的索引为[0,n]。

单/多列的查找更简单一些，可以直接使用下标的方式来进行查找，猜测在df内部存储的方式是以列优先的。例子如下：

>>> data = {'Name':['Jai', 'Princi', 'Gaurav', 'Anuj'],
      'Age':[27, 24, 22, 32],
      'Address':['Delhi', 'Kanpur', 'Allahabad', 'Kannauj'],
      'Qualification':['Msc', 'MA', 'MCA', 'Phd']}
>>> df = pd.DataFrame(data)
>>> df['Name'] # 查找为Name一列的所有数据
>>> df[['Name','Address']] #查找Name和Address的数据

通过索引下标查找，通过数组下标来查找，可以通过iloc方法来查找，例子如下：

>>> data = pd.read_csv("nba.csv", index_col ="Name")
>>> row2 = data.iloc[3]  # 查找第4行
>>> row2 = data.iloc [[3, 5, 7]]  # 查找多行

查找分块矩阵也类似于上诉的方法，例子如下：

>>> data = pd.read_csv("nba.csv", index_col ="Name")
>>> row2 = data.iloc[[3, 4], [1, 2]]
>>> row2 = data.iloc [:, [1, 2]]

3. 调整行号

如果是使用dict生成的df，那么其对应的列的顺序是按照字母序进行排列的，这时需要进行按添加顺序进行排序。可以通过以下方式调整顺序：

>>> data = {'Name':['Jai', 'Princi', 'Gaurav', 'Anuj'],
      'Age':[27, 24, 22, 32],
      'Address':['Delhi', 'Kanpur', 'Allahabad', 'Kannauj'],
      'Qualification':['Msc', 'MA', 'MCA', 'Phd']}
>>> df = pd.DataFrame(data)
>>> df = df[['Name','Age','Address','Qualification']]

当然还有一些需求，比如需要修改行的编号，修改行号为日期，那么可以使用下面的方法：

>>> df = pd.DataFrame(data)
>>> df.index = df.index + 1 #行号从1开始
>>> df.index = pd.date_range('20190101',periods=len(df))  #行号为日期

引用

[1]. https://www.geeksforgeeks.org/python-pandas-dataframe/

[2]. https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.html