pandas 涉及内容的用法

1 Pandas.DataFrame 的 iterrows()方法

1.1 DataFrame 的构建

DataFrame 是由索引和内容组成的，索引有: 行索引和列索引；

创建方式：

pd.DataFrame(ndarray数据，index=[‘行索引1’，‘行索引2’]，colunms=[‘列索引1’，‘列索引2’])

使用例子：

1 列表形式数据（列表内元素是数值）构建DataFrame

>>> import numpy as np
>>> import pandas as pd
>>> a=pd.DataFrame(np.arange(18).reshape(3,6),index=['a','b','c'],columns=['A','B','C','D','E','F'])
>>> a
    A   B   C   D   E   F
a   0   1   2   3   4   5
b   6   7   8   9  10  11
c  12  13  14  15  16  17

2 列表形式数据（列表内元素是字典）构建DataFrame

>>> a=pd.DataFrame([{'a':0,'b':3,'c':6},{'a':1,'b':4,'c':7},{'a':2,'b':8,'c':5}])
>>> a
   a  b  c
0  0  3  6
1  1  4  7
2  2  8  5
>>> a=pd.DataFrame([{'a':0,'b':3,'c':6},{'a':1,'b':4,'c':7},{'a':2,'b':8}])
>>> a
   a  b    c
0  0  3  6.0
1  1  4  7.0
2  2  8  NaN
>>> a=pd.DataFrame([{'a':0,'b':3,'c':6},{'a':1,'b':4,'c':7},{'a':2,'b':8, 'd':4}])
>>> a
   a  b    c    d
0  0  3  6.0  NaN
1  1  4  7.0  NaN
2  2  8  NaN  4.0

3 字典类型数据构建DataFrame

>>> b=pd.DataFrame({'a':[0,1,2],'b':[3,4,8],'c':[6,7,5]}) 
>>> b
   a  b  c
0  0  3  6
1  1  4  7
2  2  8  5

1.2 DataFrame 属性

1 shape 属性：查看形状；

2 dtypes 属性： DataFrame的列数据类型

3 df[df.index==某行索引值]：对某行内容进行索引

4 df.columns：列索引

5 df.head()：仅显示前面几行数据（默认是前五行）

6 df.tail()：仅显示最后几行数据（默认是后五行）

7 df.values：仅返回数据框中的值，轴标签将被删除

8 查看某行某列数据

        df.loc[]函数和df.iloc[]函数

例子：

>>> a=pd.DataFrame(np.arange(15).reshape(3,5),index=['a','b','c'],columns=['aa','bb','cc','dd','ee'])
>>> a.loc['a':'b','aa':'dd']
   aa  bb  cc  dd
a   0   1   2   3
b   5   6   7   8
>>> a.iloc[0:1,0:3]
   aa  bb  cc
a   0   1   2

1.3 iterrows()

iterrows() 是在DataFrame中的行进行迭代的一个生成器，返回每行的索引及一个包含行本身的对象；

在需要遍历行数据的时候，就可以使用 iterrows()方法实现了；

>>> df = pd.DataFrame(np.random.randn(3, 4), columns=list('ABCD'))
>>> df
          A         B         C         D
0 -0.859642 -1.785623  1.193805 -0.033643
1  2.065668 -0.134116  0.538970 -0.638147
2  0.632350 -0.380048  2.446963  0.129857
 
>>> for index, row in df.iterrows():
...     print(index)
...     print(row)
... 
0
A   -0.859642
B   -1.785623
C    1.193805
D   -0.033643
Name: 0, dtype: float64
1
A    2.065668
B   -0.134116
C    0.538970
D   -0.638147
Name: 1, dtype: float64
2
A    0.632350
B   -0.380048
C    2.446963
D    0.129857
Name: 2, dtype: float64

参考：https://www.jianshu.com/p/14c054225f03

参考：数据结构5 ：DataFrame（Pandas库）_方如一的博客-CSDN博客_dataframe