Dataframe

DataFrame是一個【表格型】的資料結構，可以看做是【由Series組成的字典】（多個series共用同一個索引）。DataFrame由按一定順序排列的多列資料組成。設計初衷是將Series的使用場景從一維拓展到多維。DataFrame既有行索引，也有列索引。

• 行索引：index
• 列索引：columns
• 值：values（numpy的二維陣列）

dataframe的建立

最常用的方法是傳遞一個字典或者二維陣列的方法建立

DataFrame(data=data,index=['張三','李四','王五'],columns=list('語數外
 
'))

另外通過匯入csv檔案得到的也是DataFrame

import pandas as pd
df1 = pd.read_csv('../backup/data/president_heights.csv') # 路徑名

DataFrame屬性：values、columns、index、shape

values:表格中的資料(二維陣列)

columns:列索引

index:行索引

shape:形狀

Dataframe的索引

(1) 對列進行索引

- 通過類似字典的方式
- 通過屬性的方式

按照列名進行索引，獲取到一個Series

d = np.random.randint(0,100,size=(3,4))
d
i 
 
= ['臨風','班長','孫武空']  # 行索引
c = ['chinese','math','english','python']  # 列索引
df = DataFrame(d,i,c)

df['math']
臨風     87
班長     55
孫武空    28
Name: math, dtype: int32

type(df['math'])
pandas.core.series.Series

df.math
臨風     87
班長     55
孫武空    28
Name: math, dtype: int32

(2) 對行進行索引

- 使用.loc[]加index來進行行索引,顯式索引
- 使用.iloc[]加整數來進行行索引,隱式索引
 

同樣返回一個Series，index為原來的columns。

# df.loc['臨風']  # 顯式索引
df.iloc[0]  # 隱式所引進

chinese    27
math       87
english    70
python     93
Name: 臨風, dtype: int32

總結
對 列 進行索引 df['列名'] df.列名 得到的是Series
對 行 進行索引 df.loc['行名'] df.iloc[行序號] 得到的是Series

(3) 對元素索引的方法

- 使用列索引
- 使用行索引
- 使用values屬性（二維numpy陣列）

# 對具體元素進行定位
df.python.loc['班長']  # 先按列找 找到的是Series 在對Series進行索引
df.loc['班長'].iloc[-1]

# df的loc或者iloc提供了更加優雅的方式
df.loc['班長','python']
df.iloc[1,-1]

df.values  # 如果DataFrame的索引記不清 可以直接通過values然後去定位值
array([[27, 87, 70, 93],
       [21, 55, 31, 36],
       [38, 28, 24, 37]])
df.values[1,-1]

【注意】 直接使用中括號時：

• 索引表示的是列索引
• 切片表示的是行切片

df['臨風':'孫武空']
df['臨風':'班長'] # 直接使用中括號 不能對列進行切片 而是對行進行切片（因為對行進行切片的需求比較常見）

# 如果非要對列 進行切片 可以使用loc或者iloc
df.loc[:,'math':'python']

Dataframe的運算

(0) df和數值

df +5 

相當於給表中的所有的資料都+5

# 對某一行樣本進行修改
df.loc['臨風']+=100

（1） DataFrame之間的運算

同Series一樣：

• 在運算中自動對齊不同索引的資料
• 如果索引不對應，則補NaN

# 建立DataFrame df1 不同人員的各科目成績，月考一
d = np.random.randint(0,100,size=(4,3))
d
i = ['jack','rose','tom','jerry']  # 行索引
c = ['math','english','python']  # 列索引
df1 = DataFrame(d,i,c)
df1

# 建立DataFrame df2 不同人員的各科目成績，月考二 有新學生轉入
d = np.random.randint(0,100,size=(5,3))
d
i = ['jack','rose','tom','jerry','bob']  # 行索引
c = ['math','english','python']  # 列索引
df2 = DataFrame(d,i,c)
df2

display(df1,df2) 可以讓資料同時顯示

df1+df2

那麼有沒有辦法不顯示NaN呢,肯定是有的

其實物件使用 + 相加其實是執行了類中的add方法

所以

df1.add(df2,fill_value=0) # 設定上這個引數就可以給沒有的資料設定一個預設值=

結果展示:

下面是Python 操作符與pandas操作函式的對應表：

（2） Series與DataFrame之間的運算

【重要】

• 使用Python操作符：以行為單位操作，對所有行都有效。（類似於numpy中二維陣列與一維陣列的運算，但可能出現NaN）

• 使用pandas操作函式：

    axis=0：以列為單位操作（引數必須是列），對所有列都有效。
    axis=1：以行為單位操作（引數必須是行），對所有行都有效。

例子:

df = DataFrame(data=np.random.randint(0,10,size=(5,5)),index=list('abcde'),columns=list('01234'))
df

s1 = Series(data=np.random.randint(0,10,size=5),index=list('01234'))
s1

0    1
1    3
2    1
3    1
4    9
dtype: int32

df+s1  # 表格和序列 相加 預設 每一行都要和序列相加 對應項相加

s2 = Series(data=np.random.randint(0,10,size=5),index=list('abcde'))
s2

df+s2 # 輸出的結果全部都是NaN

# axis='columns' 預設是columns 每一行和Series相加 讓列名和Series中的索引去對應
df.add(s2,axis='index')