机器学习pandas数据结构之DataFrame笔记

 1 import numpy as np
 2 import pandas as pd
 3 
 4 d = {‘one‘:pd.Series([1,2,3],index=[‘a‘,‘b‘,‘c‘]),
 5      ‘two‘:pd.Series([1,2,3,4],index=[‘a‘,‘b‘,‘c‘,‘d‘])}
 6 
 7 df = pd.DataFrame(d)  # 通过字典创建DataFrame，其中‘one‘列，没有‘d‘索引,所以赋值
 8                                    # 为NaN
 9 
10 df = pd.DataFrame(d, index=[‘d‘,‘b‘,‘a‘])   # 可以对原有的DataFrame再创建，选取其中
11                                                                # 的行索引，index表示行索引
12 
13 df = pd.DataFrame(d, columns=[‘two‘,‘three‘])  # 也可以对列进行操作，如果选择的列
14                                                                           # 不存在，则自动添加到下一列
15                                                                     #  并赋值为NaN，colums表示的是列索引
16 
17 d = {‘one‘:[1,2,3,4],
18      ‘two‘:[21,22,23,24]}  # 字典创建的DataFrame，键表示列索引，如果没有给定行索
19                                         # 引，DataFrame会赋默认值
20 df = pd.DataFrame(d)
21 
22 data = [(1,2.2,‘Hello‘),(2,3.,‘World‘)]  # 这个列表中的两个元组将作为行值被操作
23 df = pd.DataFrame(data,index=[‘one‘,‘two‘],columns=list(‘ABC‘))
24 
25 data = [{‘a‘:1,‘b‘:2},{‘a‘:5,‘b‘:10,‘c‘:20}]  # 这个列表中的字典的键将被作为列索引
26                                                                   # 创建，每个字典分别作为行处理
27 
28 df = pd.DataFrame(data,index=[‘A‘,‘B‘],columns=[‘a‘,‘b‘,‘e‘])  
29  # 再次定义列索引时，若字典中没有对应的列将赋值为NaN，对应的列位置也将被
30 # cloums对应的列索引取代
31 
32 d = {(‘a‘,‘b‘):{(‘A‘,‘B‘):1,(‘A‘,‘C‘):2},  # 字典中最外层作为键的元组的第一个元素作为
33                                                            # 第一行的列索引，
34      (‘a‘,‘a‘):{(‘A‘,‘C‘):1,(‘A‘,‘B‘):4},  #  第二个元素作为第二行的列索引
35      (‘a‘,‘c‘):{(‘A‘,‘B‘):1,(‘A‘,‘C‘):6},  #  作为值的字典，将被作为行操作，其中作为键的
36                                                       # 元组第一个元素
37      (‘b‘,‘a‘):{(‘A‘,‘C‘):1,(‘A‘,‘B‘):8},  #  作为第一例的行索引，第二个元素作为第二列的
38                                                        # 行索引
39      (‘b‘,‘b‘):{(‘A‘,‘D‘):1,(‘A‘,‘B‘):10}}
40 df = pd.DataFrame(d)
41 
42 s = pd.Series(np.random.randn(5), index=[‘a‘,‘b‘,‘c‘,‘d‘,‘e‘])
43 pd.DataFrame(s,columns=[‘A‘],index=list(‘acd‘))  
44 # 取Series创建的表的一部分（a,c,d）
45 
46 df = pd.DataFrame(np.random.randn(6,4),columns=[‘one‘,‘two‘,‘three‘,‘four‘])
47 df[‘one‘]  # 在DataFrame中默认取列索引
48 df.loc[1]  # 用loc函数取到的是行索引的值
49 df[‘three‘] = df[‘one‘]+df[‘two‘]  # 通过索引赋值，元表改变，索引值可以相加
50 del df[‘three‘]  # 也可以删除索引值
51 df[‘flag‘] = df[‘one‘] > 0.2   # 这是布尔型索引
52 df[‘five‘] = 5  # 对列索引赋单值时，这个列对应的所有行值为所赋的那个值
53 
54 s = df.pop(‘four‘)  # pop函数取出某个列也可以用在DataFram中
55 df.insert(1,‘bar‘,df[‘one‘]+df[‘two‘])  
56 # 1表示插入在1位置，‘bar‘,插入的列名，df[‘one‘]+df[‘two‘]为列的值 df改变
57 
58 df.assign(Ratio = df[‘one‘]/df[‘two‘])  
59 # assign函数添加末列其中Ratio表示列索引，df[‘one‘]/df[‘two‘]为列值
60 # 但是df没有改变 但是df没有改变 但是df没有改变 
61 
62 df.assign(Ratio = lambda x: x.one-x.two)  
63 # x表示整个表，x.one, x.two表示对应的列值
64 
65 df.assign(ABRatio = df.one / df.two).assign(BarValue = lambda x: x.ABRatio*x.bar)  # 连续assign也可以
66 
67 df = pd.DataFrame(np.random.randint(1,10,(6,4)),index=list(‘abcdef‘),columns=list(‘ABCD‘))  
68 df[‘A‘]  # 列索引取值
69 df.loc[‘a‘]  # 行索引取值
70 df.iloc[1]  # 通过数值取行索引值
71 df[1:4]  # 通过行范围索引取值
72 df.iloc[1:4]  # 与df[1:4]效果一样
73 df.A>4  # 判断A列大于4的情况
74 df[df.A>=4]  # 索引也可以是表达式，以表的形式返回大于4的值
75 
76 df1 = pd.DataFrame(np.random.randn(10,4),index=list(‘abcdefghij‘),columns=[‘A‘,‘B‘,‘C‘,‘D‘])
77 df2 = pd.DataFrame(np.random.randn(7,3),index=list(‘cdefghi‘),columns=[‘A‘,‘B‘,‘C‘])
78 df1+df2  # 行列索引无法对应的取NaN
79 df1-df1.iloc[0]  # DataForm可以与单行相减
80 np.exp(df2)  # DataForm可以使用numpy的函数
81 np.sin(df2)
82 df2.values  # 返回的是数组
83 
84 type(df2.values)
85 # 输出numpy.ndarray
86 
87 np.asarray(df2) == df2.values
88 #输出
89 array([[ True,  True,  True],
90        [ True,  True,  True],
91        [ True,  True,  True],
92        [ True,  True,  True],
93        [ True,  True,  True],
94        [ True,  True,  True],
95        [ True,  True,  True]])