pandas简介
Pandas是字典形式，基于NumPy创建，让以NumPy为中心的应用变得更加简单。
Pandas有两种数据结构，Series和DataFrame。Numpy的是ndarray。
本文将讲解DataFrame的知识点。
一、DataFrame简介
DataFrame类型由 共用相同索引的一组Series组成
DataFrame既有 行索引(index)、也有列索引(columns)
二、创建DataFrame
DataFrame主要是依靠pd.DataFrame()创建。
2.1、使用pd.DataFrame()
使用pd.DataFrame()参数可以是
- 二维数组
- 二维ndarray
- 由一维ndarray、列表、Series构成的字典
- 也可以从现成的DataFrame中截取
注意，是columns而不是column。
; 三、DataFrame取元素
3.1、取列
- df后面直接跟中括号，他就只能取列（想取行，得用loc[ ]）
- df.loc[ ]
- df.iloc[ ]
方法一：df后面直接跟中括号
方法二：df.loc[ ]
方法三：df.iloc[ ] 因为和第二种差不多，所以不做演示。
; 3.2、取行
- df.loc[ ]
- df.iloc[ ]
因为两种方法差不多，所以只演示第一种。
3.3、行列都取
其实就是使用df.loc[ ]和df.iloc[ ]
注意：在使用布尔实现限制的时候，对行的限制需要取某列；对列的限制需要取某行。可以看看上例的实现。
; 三、增加列
主要就是三种方法
- 直接赋值
- df.apply（）方法
- df.assign()方法
四、增加行
主要是三种方法
- 使用df.loc[ ]直接添加
- df.append()方法，增加一行或多行
- df.concat()方法，拼接两个df
4.1、直接添加
注意，loc可以对没有的 index 进行赋值，而 iloc 则不允许，iloc只能对已经存在的位置进行操作。
; 4.2、df.append()方法，增加一行或者多行
>>> df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
>>> df
A B
0 1 2
1 3 4
>>> df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'))
>>> df.append(df2)
A B
0 1 2
1 3 4
0 5 6
1 7 8
ignore_index参数是把拼接的两部分的index都重置，并且按照隐式索引。上面的例子，以为没有设置ignore_index，所以index比较混乱。
>>> df = pd.DataFrame(columns=['A'])
>>> for i in range(5):
df = df.append({'A': i}, ignore_index=True)
>>> df
A
0 0
1 1
2 2
3 3
4 4
df.append()不会修改原数组，需要接受返回值
4.3、df.concat()拼接两个df，和上面差不多。
五、删除行列
删除行或列都可以使用df.drop()
DataFrame.drop(labels=None,axis=0, inplace=False)
- labels，单个索引或者索引组成的列表
- axis，删除方向，0代表删除行，1代表删除列
- inplace，是否对原始数组进行修改，如果不，就返回修改后的值
5.1、删除列
; 5.2、删除行
六、索引操作。
6.1、添加新索引
1、使用上面的添加列的方式
2、直接添加
df [ new_col ]= data
data可以先使用np.nan（缺失值）填充这一列，也可以使用一个列表填充这一列，但是列表的长度是有限制的。
3、先添加索引，再添加值
df.index.insert()
df.columns.insert()
这两种方法返回的都只是新的索引，而不是DataFrame，还要进一步结合reindex（）
; 6.2、修改索引名
1、修改索引名
这个功能很重要，因为修改不能通过先删除在增加来实现，那样的话，数据会在删除的时候直接没了。
df.rename(index=字典, columns=字典)
2、重新排列DataFrame的index和columns
df.reindex()方法
也适用于Series
另外，如果在重新排列索引时，使用了不存在于原数组索引的索引值，则其对应数据默认是NaN，我们可以使用fill_value参数来对其进行填充。
6.3、删除某个index或者columns
其实还是使用df.drop()方法
小结：
df.reindex()
df.index.insert()、df.columns.insert()
df.index.delete()、df.columns.delete()
df.rename(index=字典, columns=字典)
以上对DataFrame的修改都会返回新的值，可能是新的索引、或者新的df，而不是直接修改原本的数组，所以需要接受返回值。
; 七、运算法则
7.1、算术运算法则
在pandas中，两个对象首先会广播，然后进行运算，但是 这里的广播不同于一般的numpy广播。
7.2、逻辑运算法则
八、排序
8.1、按照索引值排序
df.sort_index(axis=0, ascending=True)
按照索引的值排序，而不是数据。
默认按照0轴排序、默认升序。
ascending=False意味着逆序排序。
; 8.2、按照某一列的值进行排序
df.sort_values(by= 列名, ascending=True)
by用来指明哪一列，如果是多列，用列表表示。
对于pandas，没有按照某一行的值来排序的方法。
元素数据类型的修改
c_itcont['收到捐款的日期'] = c_itcont['收到捐款的日期'] .astype(str)
九、统计分析函数
1、count()计算的是非NaN的数量。
2、value_counts()统计各种值的频次，这个可以使用group_by（）实现，但是前者返回Series后者是DataFrame。而且前者不能实现后者的所有功能，例如group_by可以统计每个类别的项目属性值的和，而不只是个数。
3、这两个都是用于Series
两个搭配起来，series.value_counts().count()统计一共有几种值。
df.describe()会自行计算数据类型为int的列，而不是全部都计算，所以不用取子集
df.describe()也可以对非int数据类型的数组使用
; 8.2、统计分析实例
十、数据文件的读取
一般就是用pd.read_excel()
pd.read_csv(filepath, header, names,index_col, usecols,encoding)
1、filepath设置文件路径，也可以是url
2、header，用来设置文件的哪一行作为列索引的那一行。如果没有设置，就按隐式索引。
header=0，表示文件的第0行作为列索引。
如果header=1，使用第二行，那么第一行的数据会被丢弃。
3、names，当文件中没有想要使用的列索引时，可以手动设置列索引名。是一个列表形式。
names=[“姓名”,”年龄”,”电话”]
如果header和names都设置了，names就会覆盖headers
4、index_col，使用哪一列来作为行的索引。
5、usecols，如果列有很多，不想都使用，就用usecols指定需要的列。
index_col和usecols都可以使用前面的header或者names中设置的列名来指定。
6、如果文件中含有中文，设置参数encoding=”utf-
8″。
7、在使用列名访问DataFrame里的数据时，对于中文列名，需要在列名前面加一个u，表示后面的字符串以unicode格式存储。
print(df[u”经度”])
1、数据缺失值的处理
缺失值不等同于空值，空值是””，缺失值就是NaN。excel中如果在表格中有的值没有填，那读取之后就是空值，因为excel几乎是无边界的，如果是在”表格”范围之外就是缺失值，一班这里也碰不到。
缺失值：
- df.isna() 判断是否为缺失值
- df.dropna() 删除缺失值
- df.fillna() 填充缺失值
空值:
- df.isnull()
; 十一、总结
11.1、增添新列的一个例子
; 11.2、对某列或某行进行字符串操作。
11.2、
凡是会对原数组作出修改并返回一个新数组的，往往都有一个 inplace可选参数。如果手动设定为True（默认为False），那么原数组直接就被替换
取出一行或者一列的时候返回的是Series，尤其是取一行时，打印结果会是
以列的形式，但结果仍然是一行。
Original: https://blog.csdn.net/qq_48003414/article/details/116976339
Author: IRON POTATO
Title: Pandas基础——DataFrame
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/751597/
转载文章受原作者版权保护。转载请注明原作者出处！