python：pandas中dataframe的基本用法汇总
更加详细的内容可以查看：https://blog.csdn.net/hhtnan/article/details/80080240 （基本函数整理）
一. DataFrame的创建
创建一个空的dataframe
df=pd.DataFrame(columns={"a":"","b":"","c":""},index=[0])
out:
a c b 0 NaN NaN NaN
用list的数据创建dataframe：
a = [['2', '1.2', '4.2'], ['0', '10', '0.3'], ['1', '5', '0']] df = pd.DataFrame(a, columns=['one', 'two', 'three']) print df
out：
one two three 0 2 1.2 4.2 1 0 10 0.3 2 1 5 0
用numpy的矩阵创建dataframe
array = np.random.rand(5,3) df = pd.DataFrame(array,columns=['first','second','third'])
用dict的数据创建DataFrame
data = { 'row1' : [1,2,3,4], 'row2' : ['a' , 'b' , 'c' , 'd'] }
df = pd.DataFrame(data)
dict = { 'row1' : [1,2,3,4], 'row2' : ['a' , 'b' , 'c' , 'd'] }
df = pd.DataFrame.from_dict(dict,orient='index').T
读取csv或者excel文件为DataFrame格式
df=pd.read_csv('D:/Program Files/example.csv')
excel一个表格中可能有多个sheet，sheetname可以进行选取
df = df.read_excel('D:/Program Files/example.xls',sheetname=0)
二. DataFrame的一些描述和类型
describe会显示dataframe的一些基本统计数据，数量、均值、中位数、标准差等
head会显示dataframe的前几行，后几行：
print df.describe() print df.head()
print df.tail(10)
单独计算某列的统计值
df['one'].sum() df['one'].mean() df['one'].count() df['one'].max() df['one'].min()
查看dataframe的数据类型：
print （df.dtypes）
查看dataframe的数据数目：
print （df.size）
查看dataframe的形状：
print (df.shape)
返回列数：
print (df.ndim)
查看横纵坐标的标签名：
print (df.axes)
三. DataFrame的切片
iloc索引或切片（iloc中只能取整数值）：
print df.iloc[1,:] #第1行，所有列 print df.iloc[:,[0,2]] #第0行，第0列和第2列 print df['one'].iloc[2] #列名索引+行号
loc索引或切片（loc中可以取str）：
print data.loc[0:1, ['one', three']] #
筛选出dataframe中有某一个或某几个字符串的列：
list=['key1','key2'] df = df[df['one'].isin(list)]
筛选出dataframe中不含某一个或某几个字符串的列，相当于反选
df = df[~df['one'].isin(list)]
四. 缺失值的处理
缺失值可以删除也可以用均值或者0等数填充：
df.fillna(df1.mean()) df.fillna(0)
删除缺失值时可以指定列：
df = df.dropna(subset=['one','two'])
五. 去重、删除行或列
去重需要在subset指定哪一列的值进行筛选，如果不选择的话默认整行的值全部一样才去掉
first表示保留第一个出现的值所在行，last表示保留最后一个出现的重复值所在的行，false表示重复的行全部删除
df=df.drop_duplicates(subset='one',keep='first')
去除有NaN值的行或列(axis=0去除行，=1去除列)：
df = df.dropna(axis=0) df = df.dropna(axis=1)
去除某一列：
df = df.drop(['one'],axis=1)
去除含有某一个数的行：
row_list = df[df.one == 2].index.tolist() # 获得含有该值的行的行号 df = df.drop(row_list)
六. DataFrame的修改
修改数据类型
df['one']=pd.DataFrame(df['one'],dtype=np.float)
修改列名（需要写上所有列名，包括需要修改的和不需要修改的）：
df.columns = ['first','second','all']
修改列名（只需写上需要修改的列）
df.rename(columns = {'one':'first','two':'second'},inplace = True) #inplace=True表示修改df，若为False表示只返回一个修改后的数据
重排序(by可以取多个列名,默认升序)：
df = df.sort_values(by=['one'],ascending = True)
df = df.sort_index(axis = 0,ascending = True,by = 'one')
df = df.sort(columns = ['one'],axis = 0,ascending = True)
修改数据
df.iloc[1,2] = 10
用已有的列进行运算创建新的列
df['new_colume'] = df['one'] + df['two']
七. dataframe更改索引
当删除掉不需要的行时，行索引会变的不连续，这时候可以重新设计新的索引
df['index']=range(len(df['one']))
df.set_index('index')
设置时间序列为索引
dd = pd.date_range(start='4/1/2018',periods=5)
#dd = pd.date_range('4/1/2018','4/5/2018')
df = df.set_index(dd)
八. 添加新的行，将两个dataframe连接到一起
axis表示连接的方向，axis=0表示两个dataframe的行数会增加，如果列名相同则直接共用列，如果列名不同会生成新的列；axis=1，表示会加上新的列
df=pd.concat([df,df],axis=0) # 连接后行数是以前的2倍，列数不变
在dataframe添加新的行
df = df.append(df.loc[2,:],,ignore_index=True)
如果两个dataframe的列名是一样的，也可以用merge：
df = pd.merge(df,df)
九. DataFrame的输出
输出为excel或者csv格式,csv文件里的数据被读取时数据类型默认为object，excel则会保留原有的数据类型
df.to_excel('path/filename.xls')
df.to_csv('path/filename.csv')
输出为numpy的矩阵格式
matrix = df.ax_matrix()
输出为dict格式
dict = df.to_dict(orient="dict")
