Pandas資料影格（DataFrame）

資料影格(DataFrame)是二維資料結構，即資料以行和列的表格方式排列。

資料影格(DataFrame)的功能特點：

• 潛在的列是不同的型別
• 大小可變
• 標記軸(行和列)
• 可以對行和列執行算術運算

結構體

假設要建立一個包含學生資料的資料影格。參考以下圖示 -

可以將上圖表視為SQL表或電子試算表資料表示。

pandas.DataFrame

pandas中的DataFrame可以使用以下建構函式建立 -

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

建構函式的引數如下 -

編號	引數	描述
1	data	資料採取各種形式，如:ndarray，series，map，lists，dict，constant和另一個DataFrame。
2	index	對於行標籤，要用於結果影格的索引是可選預設值np.arrange(n)，如果沒有傳遞索引值。
3	columns	對於列標籤，可選的預設語法是 - np.arange(n)。 這只有在沒有索引傳遞的情況下才是這樣。
4	dtype	每列的資料型別。
5	copy	如果預設值為False，則此命令(或任何它)用於複製資料。

建立DataFrame

Pandas資料影格(DataFrame)可以使用各種輸入建立，如 -

• 列表
• 字典
• 系列
• Numpy ndarrays
• 另一個資料影格(DataFrame)

在本章的後續章節中，我們將看到如何使用這些輸入建立資料影格(DataFrame)。

建立一個空的DataFrame

建立基本資料影格是空資料影格。
範例

#import the pandas library and aliasing as pd
import pandas as pd
df = pd.DataFrame()
print df

執行上面範例程式碼，得到以下結果 -

Empty DataFrame
Columns: []
Index: []

從列表建立DataFrame

可以使用單個列表或列表列表建立資料影格(DataFrame)。

範例-1

import pandas as pd
data = [1,2,3,4,5]
df = pd.DataFrame(data)
print df

執行上面範例程式碼，得到以下結果 -

     0
0    1
1    2
2    3
3    4
4    5

範例-2

import pandas as pd
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'])
print df

執行上面範例程式碼，得到以下結果 -

      Name      Age
0     Alex      10
1     Bob       12
2     Clarke    13

範例-3

import pandas as pd
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'],dtype=float)
print df

執行上面範例程式碼，得到以下結果 -

      Name     Age
0     Alex     10.0
1     Bob      12.0
2     Clarke   13.0

注意 - 可以觀察到，dtype引數將Age列的型別更改為浮點。

從ndarrays/Lists的字典來建立DataFrame

所有的ndarrays必須具有相同的長度。如果傳遞了索引(index)，則索引的長度應等於陣列的長度。

如果沒有傳遞索引，則預設情況下，索引將為range(n)，其中n為陣列長度。

範例-1

import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data)
print df

執行上面範例程式碼，得到以下結果 -

      Age      Name
0     28        Tom
1     34       Jack
2     29      Steve
3     42      Ricky

註 - 觀察值0,1,2,3。它們是分配給每個使用函式range(n)的預設索引。

範例-2

使用陣列建立一個索引的資料影格(DataFrame)。

import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])
print df

執行上面範例程式碼，得到以下結果 -

         Age    Name
rank1    28      Tom
rank2    34     Jack
rank3    29    Steve
rank4    42    Ricky

注意 - index引數為每行分配一個索引。

從列表建立資料影格DataFrame

字典列表可作為輸入資料傳遞以用來建立資料影格(DataFrame)，字典鍵預設為列名。

範例-1

以下範例顯示如何通過傳遞字典列表來建立資料影格(DataFrame)。

import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print df

執行上面範例程式碼，得到以下結果 -

    a    b      c
0   1   2     NaN
1   5   10   20.0

注意 - 觀察到，NaN(不是數位)被附加在缺失的區域。

範例-2

以下範例顯示如何通過傳遞字典列表和行索引來建立資料影格(DataFrame)。

import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data, index=['first', 'second'])
print df

執行上面範例程式碼，得到以下結果 -

        a   b       c
first   1   2     NaN
second  5   10   20.0

範例-3

以下範例顯示如何使用字典，行索引和列索引列表建立資料影格(DataFrame)。

import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]

#With two column indices, values same as dictionary keys
df1 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])

#With two column indices with one index with other name
df2 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b1'])
print df1
print df2

執行上面範例程式碼，得到以下結果 -

#df1 output
         a  b
first    1  2
second   5  10

#df2 output
         a  b1
first    1  NaN
second   5  NaN

注意 - 觀察，df2使用字典鍵以外的列索引建立DataFrame; 因此，附加了NaN到位置上。 而df1是使用列索引建立的，與字典鍵相同，所以也附加了NaN。

從系列的字典來建立DataFrame

字典的系列可以傳遞以形成一個DataFrame。 所得到的索引是通過的所有系列索引的並集。

範例

import pandas as pd

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
      'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print df
`

執行上面範例程式碼，得到以下結果 -

      one    two
a     1.0    1
b     2.0    2
c     3.0    3
d     NaN    4

注意 - 對於第一個系列，觀察到沒有傳遞標籤'd'，但在結果中，對於d標籤，附加了NaN。

現在通過範例來了解列選擇，新增和刪除。

列選擇

下面將通過從資料影格(DataFrame)中選擇一列。

範例

import pandas as pd

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
      'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print df ['one']

執行上面範例程式碼，得到以下結果 -

a     1.0
b     2.0
c     3.0
d     NaN
Name: one, dtype: float64

列新增

下面將通過向現有資料框新增一個新列來理解這一點。

範例

import pandas as pd

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
      'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)

# Adding a new column to an existing DataFrame object with column label by passing new series

print ("Adding a new column by passing as Series:")
df['three']=pd.Series([10,20,30],index=['a','b','c'])
print df

print ("Adding a new column using the existing columns in DataFrame:")
df['four']=df['one']+df['three']

print df

執行上面範例程式碼，得到以下結果 -

Adding a new column by passing as Series:
     one   two   three
a    1.0    1    10.0
b    2.0    2    20.0
c    3.0    3    30.0
d    NaN    4    NaN

Adding a new column using the existing columns in DataFrame:
      one   two   three    four
a     1.0    1    10.0     11.0
b     2.0    2    20.0     22.0
c     3.0    3    30.0     33.0
d     NaN    4     NaN     NaN

列刪除

列可以刪除或彈出; 看看下面的例子來了解一下。

例子

# Using the previous DataFrame, we will delete a column
# using del function
import pandas as pd

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']), 
     'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']), 
     'three' : pd.Series([10,20,30], index=['a','b','c'])}

df = pd.DataFrame(d)
print ("Our dataframe is:")
print df

# using del function
print ("Deleting the first column using DEL function:")
del df['one']
print df

# using pop function
print ("Deleting another column using POP function:")
df.pop('two')
print df

執行上面範例程式碼，得到以下結果 -

Our dataframe is:
      one   three  two
a     1.0    10.0   1
b     2.0    20.0   2
c     3.0    30.0   3
d     NaN     NaN   4

Deleting the first column using DEL function:
      three    two
a     10.0     1
b     20.0     2
c     30.0     3
d     NaN      4

Deleting another column using POP function:
   three
a  10.0
b  20.0
c  30.0
d  NaN

行選擇，新增和刪除

現在將通過下面範例來了解行選擇，新增和刪除。我們從選擇的概念開始。

標籤選擇

可以通過將行標籤傳遞給loc()函式來選擇行。參考以下範例程式碼 -

import pandas as pd

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']), 
     'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print df.loc['b']

執行上面範例程式碼，得到以下結果 -

one 2.0
two 2.0
Name: b, dtype: float64

結果是一系列標籤作為DataFrame的列名稱。 而且，系列的名稱是檢索的標籤。

按整數位置選擇

可以通過將整數位置傳遞給iloc()函式來選擇行。參考以下範例程式碼 -

import pandas as pd

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
     'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print df.iloc[2]

執行上面範例程式碼，得到以下結果 -

one   3.0
two   3.0
Name: c, dtype: float64

行切片

可以使用:運算子選擇多行。參考以下範例程式碼 -

import pandas as pd

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']), 
    'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print df[2:4]

執行上面範例程式碼，得到以下結果 -

      one    two
c     3.0     3
d     NaN     4

附加行

使用append()函式將新行新增到DataFrame。 此功能將附加行結束。

import pandas as pd

df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])

df = df.append(df2)
print df

執行上面範例程式碼，得到以下結果 -

   a  b
0  1  2
1  3  4
0  5  6
1  7  8

刪除行

使用索引標籤從DataFrame中刪除或刪除行。 如果標籤重複，則會刪除多行。

如果有注意，在上述範例中，有標籤是重複的。這裡再多放一個標籤，看看有多少行被刪除。

import pandas as pd

df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])

df = df.append(df2)

# Drop rows with label 0
df = df.drop(0)

print df

執行上面範例程式碼，得到以下結果 -

  a b
1 3 4
1 7 8

在上面的例子中，一共有兩行被刪除，因為這兩行包含相同的標籤0。