DataFrame的创建与行列操作指南
3.1 DataFrame的创建方式
通过列表类型构建
# 嵌套列表结构
原始数据 = [['张三', 25], ['李四', 30], ['王五', 28]]
表格 = pd.DataFrame(原始数据, columns=['姓名', '年龄'], dtype=float)
# 使用字典元素组成的列表
数据列表 = [{'编号': 101, '分数': 85}, {'编号': 102, '分数': 92, '备注': '优秀'}]
表格 = pd.DataFrame(数据列表, index=['第一行', '第二行'])
# 指定列进行筛选创建
数据源 = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
表格一 = pd.DataFrame(数据源, index=['行一', '行二'], columns=['a', 'b'])
表格二 = pd.DataFrame(数据源, index=['行一', '行二'], columns=['a', 'b新'])
# columns参数用于指定需要的列名，若数据中不存在该列则自动创建空列
通过字典类型构建
# 简单字典结构
字典数据 = {'姓名': ['小明', '小红', '小刚', '小丽'], '年龄': [22, 25, 24, 30]}
表格 = pd.DataFrame(字典数据, index=['排名一', '排名二', '排名三', '排名四'])
# Series类型作为值
系列数据 = {
'第一组': pd.Series([10, 20, 30], index=['甲', '乙', '丙']),
'第二组': pd.Series([15, 25, 35, 45], index=['甲', '乙', '丙', '丁'])
}
表格 = pd.DataFrame(系列数据) # 行索引取各Series索引的并集
3.2 行操作
查看行数
表格.shape[0] # 返回总行数
len(表格) # 另一种获取行数的方式
筛选行
表格.query("分数 > 60 & 分数 < 100", inplace=False)
# inplace参数用于控制是否直接修改原表格，False表示返回新表格
添加行
表格 = pd.DataFrame([[1, 2], [3, 4]], columns=['x', 'y'])
新表格一 = pd.DataFrame([[5, 6], [7, 8]], columns=['x', 'y'])
新表格二 = pd.DataFrame([[5, 6], [7, 8]], columns=['x', 'z'])
结果表 = 表格.append(新表格一)
结果表 = 结果表.append(新表格二)
# append方法将整行数据作为整体添加到表格
# 若列名不一致会自动创建新列，并产生警告提示
# 行索引会被完整复制，添加ignore_index=True可重置为递增索引
# 使用concat方式添加
结果表 = pd.concat([表格, pd.DataFrame({'x': [3], 'y': [90]})])
删除行
# 根据索引删除特定行
结果表 = 表格.drop(0) # 删除索引为0的行
# 删除重复行
结果表 = 表格.drop_duplicates(keep='first') # 保留首次出现或末次出现的重复行
3.3 列操作
查看列信息
表格.columns.size # 获取列数量，等同于表格.shape[1]
list(表格.columns) # 获取所有列名组成的列表
表格.keys() # 另一种获取列名的方法
修改列名
表格.rename(columns={'x': '编号'}, inplace=False)
表格.rename(columns={'x': '编号', 'y': '数值'}, inplace=False) # 批量修改
# 直接赋值方式修改全部列名
表格.columns = ['新编号', '新数值']
删除列
表格.drop(axis=1, columns=['第四列'], inplace=False)
表格.pop('第三列') # 删除指定列并返回该列数据
del 表格['第四列'] # 使用del关键字删除，不能使用表格.列名格式
添加列
# 使用Series添加新列
表格['第三列'] = pd.Series([10, 20, 30], index=['甲', '乙', '丙'])
# 基于已有列计算新列
表格['第四列'] = 表格.第一组 + 表格.第三列
表格['第五列'] = 表格.第一组 * 2
表格['第六列'] = "固定值"
# 使用lambda表达式添加列
表格['第七列'] = 表格.第一组.apply(lambda x: "大于五" if x > 5 else "小于等于五")
# 使用列表直接赋值
表格['第八列'] = list(range(3))
# 多列联合计算
表格["联合结果"] = 表格[["第一组", "第五列"]].apply(lambda x: max(x), axis=1)
列数据类型转换
表格.第一组.astype("double")
# 使用apply进行日期格式转换
表格["日期列"] = 表格.日期列.apply(pd.to_datetime, format='%Y-%m-%d %H:%M:%S.%f')
