【Python】Dataframe遍历，删除，初始化操作

创建一个DataFrame，它有几种创建方式：列表，序列(pandas.Series), numpy.ndarray的字典
二维numpy.ndarray
别的DataFrame
结构化的记录(structured arrays)
其中，我最喜欢的是通过二维ndarray创建DataFrame，因为代码敲得最少：

import pandas as pdimport numpy as npdf = pd.DataFrame(np.random.randn(3, 4))df0 1 2 30 0.236175 -0.394792 -0.171866 0.3040121 0.651926 0.989046 0.160389 0.4829362 -1.039824 0.401105 -0.492714 -1.220438

复制代码

1
2
3
4
5
6
7
8

当然你还可以参考我的这篇文章从mysql数据库或者csv文件中载入数据到dataframe。
dataframe中index用来标识行，column标识列，shape表示维度。

df.indexdf.columnsdf.shape

复制代码

1
2
3

通过describe方法，我们可以对df中的数据有个大概的了解：

df.describe()0 1 2 3count 3.000000 3.000000 3.000000 3.000000mean -0.050574 0.331786 -0.168064 -0.144496std 0.881574 0.694518 0.326568 0.936077min -1.039824 -0.394792 -0.492714 -1.22043825% -0.401824 0.003156 -0.332290 -0.45821350% 0.236175 0.401105 -0.171866 0.30401275% 0.444051 0.695076 -0.005739 0.393474max 0.651926 0.989046 0.160389 0.482936

复制代码

1
2
3
4
5
6
7
8
9
10

数据select, del, update。[h1]按照列名select:[/h1]

df[0] 0 0.2361751 0.6519262 -1.039824

复制代码

1
2
3
4
5
6

[h1]按照行数select:[/h1]

df[:3] #选取前3行按照索引select:

复制代码

1
2

df.loc[0] 0 0.2361751 -0.3947922 -0.1718663 0.304012

复制代码

1
2
3
4
5
6

[h1]按照行数和列数select:[/h1]

df.iloc[3] #选取第3行df.iloc[2:4] #选取第2到第3行df.iloc[0,1] #选取第0行1列的元素dat.iloc[:2, :3] #选取第0行到第1行，第0列到第2列区域内的元素df1.iloc[[1,3,5],[1,3]] #选取第1，3，5行，第1，3列区域内的元素

复制代码

1
2
3
4
5

[h1]删除某列：[/h1]

del df[0]df1 2 30 -0.394792 -0.171866 0.3040121 0.989046 0.160389 0.4829362 0.401105 -0.492714 -1.220438

复制代码

1
2
3
4
5
6

[h1]删除某行：[/h1]

df.drop(0) 1 2 31 0.989046 0.160389 0.4829362 0.401105 -0.492714 -1.220438

复制代码

1
2
3
4
5

[h1]运算。[/h1]基本运算：

df[4] = df[1] + df[2] 1 2 3 40 -0.394792 -0.171866 0.304012 -0.5666591 0.989046 0.160389 0.482936 1.1494352 0.401105 -0.492714 -1.220438 -0.091609

复制代码

1
2
3
4
5
6

map运算，和python中的map有些类似：

df[4].map(int)0 01 12 0

复制代码

1
2
3
4

[h1]apply运算：[/h1]

df.apply(sum) 1 0.9953592 -0.5041923 -0.4334894 0.491167

复制代码

1
2
3
4
5
6

[h1]Group by 操作。[/h1]pandas中的group by 操作是我的最爱，不用把数据导入excel或者mysql就可以进行灵活的group by 操作，简化了分析过程。

df[0] = ['A', 'A', 'B']df 1 2 3 4 00 -0.394792 -0.171866 0.304012 -0.566659 A1 0.989046 0.160389 0.482936 1.149435 A2 0.401105 -0.492714 -1.220438 -0.091609 B g = df.groupby([0]) g.size() A 2B 1 g.sum() 1 2 3 40A 0.594254 -0.011478 0.786948 0.582776B 0.401105 -0.492714 -1.220438 -0.091609

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

groupby选择列和迭代g = df.groupby(df['artist_id'])gsize=g.size()aa=g.sum()

复制代码

1
2
3
4

[h1]导出到csv文件[/h1]dataframe可以使用to_csv方法方便地导出到csv文件中，如果数据中含有中文，一般encoding指定为”utf-8″,否则导出时程序会因为不能识别相应的字符串而抛出异常，index指定为False表示不用导出dataframe的index数据。

df.to_csv(file_path, encoding='utf-8', index=False)

复制代码