作者：lianghc

地址：http://blog.csdn.net/zutsoft         DataFrame 是pandas最常用的資料結構，類似於資料庫中的表，不過DataFrame不僅僅限制於2維，可以建立多維資料表。DataFrame既有行索引，也有列索引，可以看做是Series組成的字典，每個Series看做DataFrame的一個列。

1.DataFrame建立：

1.標準格式建立 2.等長列表組成的字典來建立 3.巢狀字典（字典的值也是字典）建立

1.1  標準格式建立

 DataFrame建立方法有很多，常用基本格式是：DataFrame 構造器引數：DataFrame(data=[],index=[],coloumns=[])

In [272]: df2=DataFrame(np.arange(16).reshape((4,4)),index=['a','b','c','d'],columns=['one','two','three','four'])

In [273]: df2
Out[273]: 
   one  two  three  four
a    0    1      2     3
b    4    5      6     7
c    8    9     10    11
d   12   13     14    15

1.2 用傳入等長列表組成的字典來建立

In [204]: data={'c':['1','2'],'a':['5']}  #建立不等長字典序列

In [205]: data
Out[205]: {'a': ['5'], 'c': ['1', '2']}

In [206]: df=DataFrame(data)
Traceback (most recent call last):
...

ValueError: arrays must all be same length   # 報錯，傳入的陣列必須等長

In [207]: data={'c':['1','2'],'a':['5','6']}  #建立<strong>等長字典序列
In [208]: df=DataFrame(data)

In [209]: df
Out[209]: 
   a  c                      # 建立完成後'a','c'自動按照字典序排序，並且建立時自定加上索引
0  5  1
1  6  2
 

建立完成後'a','c'自動按照字典序排序，並且建立時自定加上索引

如果指定了columns名稱，則會按照指定順序建立。

In [210]: df=DataFrame(data,columns=['c','a'])

In [211]: df
Out[211]: 
   c  a    #按照指定順序建立。
0  1  5
1  2  6

1.3 傳入巢狀字典（字典的值也是字典）建立DataFrame

列名：巢狀字典的外層子鍵 索引：內層鍵

In [227]: nest_dict={'shanghai':{2015:100,2016:101},'beijing':{2015:102,2016:103}}

In [228]: nest_dict
Out[228]: {'beijing': {2015: 102, 2016: 103}, 'shanghai': {2015: 100, 2016: 101}}

In [229]: df1=DataFrame(nest_dict)

In [230]: df1
Out[230]: 
      beijing  shanghai
2015      102       100
2016      103       101
 

2.DataFrame 增刪改查

2.1.增

為不存在的列賦值會建立新列

In [219]: df['b']=1

In [220]: df
Out[220]: 
   c  a  b
0  1  5  1
1  2  6  1

2.2.刪

用del刪除

In [225]: del df['a']

In [226]: df
Out[226]: 
   c  b
0  1  1
1  2  1

用drop() 刪除 用drop刪除時，刪的是檢視，並沒有真正刪除。

<pre name="code" class="python">In [258]: df
Out[258]: 
   c  b  0
0  5  1  6
1  5  1  6
In [259]: df.drop(0,axis=1) #刪除列Out[259]:   
   c  b
0  5  1
1  5  1
In [260]: df  # df的資料並沒有改動
Out[260]:   
   c  b  0
0  5  1  6
1  5  1  6

dorp()可以通過axis（行：axis=0 ，列：axis=1）可以控制刪除行或列，預設是行。

dorp()也可以同時刪除多行或多列

例：

In [271]: df.drop([0,1],axis=1)
Out[271]: 
   c  b
0  6  6
1  5  1

2.3.改

通過賦值進行修改，可以通過定位到行，列，或者具體位置進行賦值修改。 修改具體元素值：

In [242]: df['c'][1]=4

In [243]: df
Out[243]: 
   c  b
0  1  1
1  4  1

修改列：

In [244]: df['c']=5 

In [245]: df
Out[245]: 
   c  b
0  5  1
1  5  1

修改行：

df[:1]=6

df
Out[266]: 
   c  b
0  6  6
1  5  1

修改行和列如果傳入一組值得話，注意傳入陣列的長度，如果傳入陣列長度大於len(df) 則截斷，小於df長度則置NaN

In [267]: df[0]=Series([1,2,3])

In [268]: df
Out[268]: 
   c  b  0
0  6  6  1
1  5  1  2

In [269]: df[1]=Series([1,])  #增加一列，傳入一個值

In [270]: df
Out[270]: 
   c  b  0   1
0  6  6  1   1
1  5  1  2 NaN

2.4.查（索引，選取，過濾）

選取資料 是DataFrame的重點，常用的有 位置切片 和 標籤切片，位置切片遵循Python的切片規則，包括起始位置，但不包括結束位置；但標籤切片則同時包括起始標籤和結束標籤。之所以如此設計是因為在使用標籤切片時，通常我們不知道標籤的順序，如果不包含結束標籤，很難確定結束標籤的前一個標籤是什麼。

註釋: 標準Python / Numpy表示式可以完成這些資料選擇工作, 但在生產程式碼中, 我們推薦使用優化的pandas資料訪問方法, .at, .iat, .loc, .iloc 和 .ix.
標籤切片和loc選擇器：

建議使用這種列標籤選取方式，用'.'容易出問題。‘.’的寫法容易與其他預留關鍵字產生衝突

In [276]: data['two']  #建議使用這種列標籤選取方式，用'.'容易出問題.。‘.’的寫法容易與其他預留關鍵字產生衝突


‘[ ]’的寫法最安全。
Out[276]: 
a     1
b     5
c     9
d    13
Name: two, dtype: int32

In [277]: data.two
Out[277]: 
a     1
b     5
c     9
d    13
Name: two, dtype: int32

選擇多列:

In [279]: data[['one','two']] #注意多列選擇時，傳入的事陣列， <span style="font-family: Arial, Helvetica, sans-serif;">data[['one','two']] 不能寫成 data['one','two']</span>
Out[279]:
one two
a 0 1
b 4 5
c 8 9
d 12 13

使用loc，選取列：

data.loc[:,'one']
Out[290]: 
a     0
b     4
c     8
d    12
Name: one, dtype: int32

使用loc，選取行：

In [293]: data.loc[:'c',:]
Out[293]: 
   one  two  three  four
a    0    1      2     3
b    4    5      6     7
c    8    9     10    11

使用loc,選取第一個元素：

In [294]: data.loc[:'a',:'one']
Out[294]: 
   one
a    0

位置切片和ix選擇器：

data[0:3]            #等價於data[:3]
Out[285]: 
   one  two  three  four
a    0    1      2     3
b    4    5      6     7
c    8    9     10    11

ix用法和loc差不多，loc傳入的事行列的名稱，ix使用的是相對位置

選取第一行第一列

In [295]: data.ix[:1,:1]
Out[295]: 
   one
a    0

其他pandas資料選擇等問題可參考：