3 Dataframe 相关操作

data = [[‘Alex‘,10],[‘Bob‘,12],[‘Clarke‘,13]]#list对象可嵌套
df = pd.DataFrame(data,columns=[‘Name‘,‘Age‘],dtype=float)

data = [{‘a‘: 1, ‘b‘: 2},{‘a‘: 5, ‘b‘: 10, ‘c‘: 20}]
df = pd.DataFrame(data,index=[‘first‘,‘second‘])#list的元素个数就是df的行数，列名会按传入数据特点自动识别

data = [{‘a‘:1,‘b‘:2},{‘a‘:5,‘b‘:10,‘c‘:20}]
df1 = pd.DataFrame(data,index=[‘first‘,‘second‘],columns=[‘a‘,‘b‘])
df2 = pd.DataFrame(data,index=[‘first‘,‘second‘],columns=[‘a‘,‘b1‘])
#列名由columns参数指定，与已有列名进行匹配，若没有则新建，该参数优先级高于自动分配的列名

data = {‘Name‘:[‘Tom‘, ‘Jack‘, ‘Steve‘, ‘Ricky‘],‘Age‘:[28,34,29,42]}
df = pd.DataFrame(data, index=[‘rank1‘,‘rank2‘,‘rank3‘,‘rank4‘])#字典对象创建数据框自动分配列名

d = {‘one‘ : pd.Series([1, 2, 3], index=[‘a‘, ‘b‘, ‘c‘]),
      ‘two‘ : pd.Series([1, 2, 3, 4], index=[‘a‘, ‘b‘, ‘c‘, ‘d‘])}

df = pd.DataFrame(d) #所得行索引是series索引的并集

df = pd.DataFrame([[1, 2], [3, 4]], columns = [‘a‘,‘b‘])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = [‘a‘,‘b‘])
df3 = pd.DataFrame([[5, 6], [7, 8]], columns = [‘a‘,‘d‘])

df = df.append(df2)
df = df.append(df3)
#append增加行时新行实际是作为数据框整体添加
#增加行时，列名不一致的话会自动创建新列，并返回警告
#增加行时，行索引跟着一起复制，ignore_index为Ture时可忽略原索引，自动递增

df = df.drop(0)#删除行索引为0的所有行

df[‘three‘]=pd.Series([10,20,30],index=[‘a‘,‘b‘,‘c‘])
df[‘four‘]=df.one+df.three #可以直接通过存在的列进行添加
del df[‘four‘] #使用del函数删除列时不能用df.four来指定列
df.pop(‘three‘) #删除并弹出three列