Pandas DataFrame对象的用法（非常详细）

Pandas 是 Python 数据分析中重要的库，而 Series 和 DataFrame 是 Pandas 库中两个重要的对象，也是 Pandas 中两个重要的数据结构：

• Series：带标签的一维同构数组；
• DataFrame：带标签的，大小可变的，二维异构表格；

本节将主要介绍 DataFrame 对象。DataFrame 对象是 Pandas 库中的一种数据结构，它是由多种类型的列组成的二维表数据结构，类似于 Excel、SQL 或 Series 对象构成的字典。

DataFrame 是最常用的 Pandas 对象，与 Series 对象一样支持多种类型的数据。

图解DataFrame对象

DataFrame 对象是一个二维表数据结构，是由行和列数据组成的表格。

DataFrame 对象既有行索引，又有列索引，可以看作是由 Series 对象组成的，只不过这些 Series 对象共用一个索引，如下图所示。


处理 DataFrame 对象数据时，用 index 表示行，用 columns 表示列更直观。用这种方式迭代 DataFrame 对象的列，代码更易读懂。

【实例 1】首先创建 DataFrame 对象，然后使用 for 循环遍历 DataFrame 对象数据，输出成绩表的每一列数据，程序代码如下：

# 导入pandas模块
import pandas as pd
# 解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width', True)

# 创建列表
data = [[110,105,99],[105,88,115],[109,120,130]]
index = [0,1,2]
columns = ['语文','数学','英语']
# 创建DataFrame对象，即表格数据
df = pd.DataFrame(data=data, index=index,columns=columns)
print(df)

# 遍历DataFrame对象的每一列
for col in df.columns:
    series = df[col]
    print(series)

运行程序，结果如下图所示：



从运行结果得知：第一组数据为原始数据，即 DataFrame 对象，其余数据其实是 Series 对象，这也更进一步说明了 DataFrame 对象是由 Series 对象组成的。那么，Pandas 为什么要提供这两种数据结构呢？其主要目的就是使代码易读，使操作更加方便。

创建DataFrame对象

创建 DataFrame 主要使用 Pandas 的 DataFrame 类，语法如下：

pandas.DataFrame(data,index,columns,dtype,copy)

• data：表示数据，可以是数组、Series 对象、列表、字典等；
• index：表示行标签（索引）；
• columns：表示列标签（索引）；
• dtype：表示每一列数据的数据类型，其与 Python 数据类型有所不同，如 object 数据类型对应的是 Python 的字符串型。下表所示是 Pandas 数据类型与 Python 数据类型的对应。

表：数据类型对应表

Pandas dtype	Python type
object	str
int64	int
float64	float
bool	bool
datetime64	datetime64[ns]
timedelta[ns]	NA
category	NA

• copy：用于复制数据；
• 返回值：DataFrame 对象。

下面通过两种方法来创建 DataFrame 对象，即通过列表和字典。

1) 通过列表创建DataFrame对象

【实例 2】通过列表创建成绩表，包括语文、数学和英语，程序代码如下：

# 导入pandas模块
import pandas as pd
# 解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width', True)
# 创建列表
data = [[110,105,99],[105,88,115],[109,120,130]]
columns = ['语文','数学','英语']
# 创建DataFrame对象
df = pd.DataFrame(data=data, columns=columns)
print(df)

运行程序，结果如下图所示：

2) 通过字典创建DataFrame对象

通过字典创建 DataFrame 对象，需要注意，字典中的 value 值只能是一维数组或简单的单个数据，如果是数组，则要求所有数组的长度一致；如果是单个数据，则每行都要添加相同的数据。

【实例 3】通过字典创建成绩表，项目包括语文、数学、英语和班级，程序代码如下：

# 导入pandas模块
import pandas as pd
# 解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width', True)
# 通过字典创建DataFrame对象
df = pd.DataFrame({
    '语文':[110,105,99],
    '数学':[105,88,115],
    '英语':[109,120,130],
    '班级':['高一7班','高一7班','高一7班']
})
print(df)

运行程序，结果如下图所示：


在上述代码中，“班级”的 value 值是单个数据，所以为每行都添加了相同的数据“高一7班”。

DataFrame对象的重要属性和函数

DataFrame 对象是 Pandas 模块的一个重要对象，它的属性和函数非常之多。

下面先简单介绍几个重要且常用的属性如下表所示：

表：重要属性

属性	描述	举例
values	查看所有元素的值	df.values
dtypes	查看所有元素的类型	df.dtypes
index	查看所有行名，重命名行名	df.index
columns	查看所有列名，重命名列名	df.columns
T	行列数据转换	df.T
head	查看前 n 条数据，默认 5 条	df.head() df.head(10)
tail	查看后 n 条数据，默认 5 条	df.tail() df.tail(10)
shape	查看行数和列数，[0] 表示行 [1] 表示列	df.shape[0] w df.shape[1]
info	查看索引、数据类型和内存信息	df.info

DataFrame 对象常用的函数如下表所示：

函数	描述	举例
describe	查看每一列的统计汇总信息	df.describe()
count	返回每一列中的非空值个数	df.count()
sum	返回每一列的和，无法计算返回空值	df.sum()
max	返回每一列的最大值	df.max()
min	返回每一列的最小值	df.min()
argmax	返回某一列（Series 对象）的最大值所在的自动索引位置	df['销量'].argmax()
argmin	返回某一列（Series 对象）的最小值所在的自动索引位置	df['销量'].argmin()
idxmax	返回最大值所在的自定义索引位置	df.idxmax()
idxmin	返回最小值所在的自定义索引位置	df.idxmin()
mean	返回每一列的平均值	df.mean()
median	返回每一列的中位数（中位数又称中值，是统计学专有名词，是指按顺序排列的一组数据中居于中间位置的数）	df.median()
var	返回每一列的方差（方差用于度量单个随机变量的离散程度（不连续程度））	df.var()
std	返回每一列的标准差（标准差是方差的算术平方根，反映数据集的离散程度）	df.std()
isnull	检查df中的空值，空值为 True，否则为 False，返回布尔型数组	df.isnull()
notnull	检查df中的空值，非空值为 True，否则 False，返回布尔型数组	df.notnull()