pandas库中dataframe数据结构的常用方法

文章初衷

本文与文章pandas库中series数据结构的常用方法的总结初衷相同，即将dataframe的数据结构和常用方法提供给包括笔者在内的广大读者，以便大家快捷地使用和参考。dataframe这个数据结构被广泛应用于表的各种操作。在python数据分析中，几乎离不开dataframe这种数据结构。

案例引入包

import numpy as np
import pandas as pd

pandas.core.frame.DataFrame的代码组成

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

data：数据可以为list()、np.array()、dict()。

index：索引，其长度必须与数据长度相同。该参数默认行索引：0、1、2、...

dtype：数据类型。

columns：表的列名/列标签。该参数默认列标签：0、1、2、...

pandas.core.frame.DataFrame的创建方式

方式1

list1 = [['张三', 23, '男'], ['李四', 27, '女'], ['王二', 26, '女']]
df1 = pd.DataFrame(data=list1, columns=['姓名', '年龄', '性别'])
df1

方式2

df2 = pd.DataFrame(data={'姓名':['张三','李四','王二'],'年龄':[23,27,26],'性别':['男','女','女']})
df2

方式3

array1 = np.array([['张三', 23, '男'], ['李四', 27, '女'], ['王二', 26, '女']])
df3 = pd.DataFrame(data=array1, columns=['姓名', '年龄', '性别'], index=['a','b','c'])
df3

方式N

# 在满足dataframe数据结构规则的情况下，创建所需的dataframe结构

获取行索引标签/行标题

df3.index

Index(['a', 'b', 'c'], dtype='object')

df3.index.tolist()

['a', 'b', 'c']

获取列标签/列标题

df3.columns

Index(['姓名', '年龄', '性别'], dtype='object')

df3.columns.tolist()

['姓名', '年龄', '性别']

获取dataframe表的各种信息

表的维度

df3.ndim

2

表的形状

df3.shape

(3, 3)

表的元素个数

df3.size

9

表中每列的数据类型

df1.dtypes

姓名    object
年龄     int64
性别    object
dtype: object

df2.dtypes

姓名    object
年龄     int64
性别    object
dtype: object

df3.dtypes

姓名    object
年龄    object
性别    object
dtype: object

强调事项

关于表的数据类型

• 问题的提出：虽然以上3种创建dataframe的表类似，但每列的数据类型会被承载它们的容器影响。
• 举个例子：df3的'年龄'这个列标签，由于承载它的容器是一个numpy数组，返回成表时被默认为object类型。而其他两种创建方式均将该列标签的数据类型默认成int64。
• 强烈建议：为了表格能够更准确地标注其数据类型，建议使用创建df2的方法。即使用dict()作为容器创建dataframe。