pandas DataFrame对象

import numpy as np

import pandas as pd
from pandas import Series, DataFrame

DataFrame结构：
列索引 列索引 列索引 列索引
行索引 value value value value
行索引 value value value value
行索引 value value value value
行索引 value value value value
行索引 value value value value

列和列的数据类型可以是不同的

# 一、构造DataFrame（两种方式）

# 方式一：使用DataFrame构造函数构造
DataFrame(np.random.randint(0,100,size=(3,5)))
DataFrame(np.random.randint(0,100,size=(3,5)), index=list("abc"), columns=list("ABCDE"))

# 方式二：使用字典构造
dict1 = {
    "A": np.random.randint(0,100,size=3),
    "B": np.random.randint(0,100,size=3),
    "C": np.random.randint(0,100,size=3),
    "D": np.random.randint(0,100,size=3),
    "E": np.random.randint(0,100,size=3),
}
DataFrame(dict1, index=list("abc"))

# 从文件中读取DataFrame对象
# pd.read_csv()
# pd.read_table()
# pd.read_excel()

# header=0  以第一行作为列标签
# index_col=0  以第零列作为行索引
# sheet_name=0  指定读取的是第一张表,也可以sheet_name="Sheet1"，指定名称
df = pd.read_excel("D:\Desktop\计221员工表.xlsx", header=0, index_col=0, sheet_name="Sheet1")

# 保存
df.to_excel("计221.xlsx")

# 使用Series构造DataFrame
s1 = Series(np.random.randint(0,100,size=5),index=list("abcde"),name="python")

df2 = DataFrame(s1)
df2.shape

# 二、运算
df3 = DataFrame(np.random.randint(0, 100, size=(3,5)), index=["lucy", "mery", "tom"], columns=list("ABCDE"))
df3

# 求每列平均值
df3.mean()

# 求行平均值
df3.mean(axis=1)

# 求和 

# 默认求每列和
df3.sum()

# 求每行和
df3.sum(axis=1)

# 求中位数

# 默认求每列中位数
df3.median()

# DataFrame运算
# DataFrame和DataFrame(索引对齐相加)
df4 = DataFrame(np.random.randint(0,100,size=(3,4)), index=list("abc"), columns=list("ABCD"))
df5 = DataFrame(np.random.randint(0,100,size=(2,3)), index=list("ab"), columns=list("ABC"))
display(df4, df5, df4 + df5)

# DataFrame 和数组（numpy、Series）（）

# DataFrame和numpy数组（广播）
np_array1 = np.ones(shape=(4)) 
np_array1 + df4

# DataFrame和Series(要注意索引）
s1 = Series(np_array1, index=list("ABCD"))
s1 + df4

# axis=0 行索引对齐
# axis=1 列索引对齐 
# df4.add(s1, axis=0)

# DataFrame 和一个数
df4 + 1  # 全员加1（广播）

# 练习

# 假设ddd是期中考试成绩，ddd2是期末考试成绩，请自由创建ddd2，并将其与ddd相加，求期中期末平均值。
ddd = DataFrame(np.random.randint(0,150,size=(3,3)), index=["student_a","student_b","student_c"], columns=["语文","数学","英语"])
ddd2 = DataFrame(np.random.randint(0,150,size=(3,3)), index=["student_a","student_b","student_c"], columns=["语文","数学","英语"])
display(ddd, ddd2)

all = ddd + ddd2
all / 2

# 2.假设张三期中考试数学被发现作弊，要记为0分，如何实现？
ddd.iloc[2] = 0
ddd

# 3.李四因为举报张三作弊立功,期中考试所有科目加100分，如何实现？
ddd.iloc[0] += 100
ddd

# 4.后来老师发现有一道题出错了，为了安抚学生情绪，给每位学生每个科目都加10分，如何实现？
ddd + 10

# 三、索引
# 访问DataFrame数据
df6 = DataFrame(np.random.randint(0,150,size=(3,5)), index=list("abc") , columns=list("ABCDE"))
df6

# 访问列
# 1.字典访问
df6["A"]  # 推荐
# 2.属性访问 
df6.A
# 3.列表访问
df6[["A", "B"]]

# 访问行
# 访问行必须用.loc
# .iloc是访问行的隐式索引
df6.loc["a"]
df6.loc[["a", "b"]]

df6.iloc[0]
df6.iloc[[0,1]]

# 访问元素
# numpy的访问逻辑一致（先行后列）
df6.loc["a","B"]
df6.iloc[0,1]

# 其他方式（间接访问，不推荐，可能会出问题）
# 间接访问适合读操作
# 直接访问适合读写操作
df6["B"]

df6["B"].iloc[0]
df6["B"]["a"]

df6["B"].values[0]

# 直接访问（推荐）
df6.loc["a","B"]

# 四、切片
# 标签处理的切片都是闭区间 
df7 = DataFrame(np.random.randint(0,150,(2,3)), list("ab"), list("ABC"))
df7

# .loc切
# 标签切片切的是行
df7["a": "b"]
df7.loc["a":"b"]  # 两者效果一样，都是切行

# 切列
df7.loc[:, "A": "B"]

# 隐式索引切
df7.iloc[0:1]
df7.iloc[0:1, 0:2]

# 用bool列表访问
bool_list1 = [True,False] 
bool_list2 = [True,False,True]
df7.loc[bool_list1,bool_list2]
df7.loc[:,bool_list2]

# Series的bool_list是索引对齐，与顺序无关
s1 = Series(bool_list1,list("ba"))
df7.loc[s1]

# 读取A\C
df7.loc[:, "A":"C":2]
df7[["A","C"]]

# 其他
df7[["A","C"]].loc[["a","b"]]

df7.loc[["a","b"], ["A","B"]]