pandas之DataFrame

DataFrame 类型类似于数据库表结构的数据结构，其含有行索引和列索引，可以将DataFrame 想成是由相同索引的Series组成的Dict类型。在其底层是通过二维以及一维的数据块实现.

1,DataFrame 对象的构建

import pandas as pd

#声明数据框架对象

list = {'男生':['王超','德芙','家福'],'女生':['阿尼','阿玉','阿东']}

gendered = pd.DataFrame(list)

print(gendered)

#自动生成索引

结果：

   男生  女生

0  王超  阿尼

1  德芙  阿玉

2  家福  阿东

2指定列的顺序

gendered1 = pd.DataFrame(list,columns=['女生','男生'])

print(gendered1)

结果：

   女生  男生

0  阿尼  王超

1  阿玉  德芙

2  阿东  家福

3指定索引

gendered2 = pd.DataFrame(list,[7,8,9])

print(gendered2)

结果：

   男生  女生

7  王超  阿尼

8  德芙  阿玉

9  家福  阿东

一些常用属性

list = {'男生':['王超','德芙','家福'],'女生':['阿尼','阿玉','阿东']}

df = pd.DataFrame(list)

print(df.size)

print(df.shape)

 #打印头部一条

print(df.head(1))

# 打印尾部一条

print(df.tail(1))

# 打印所有列

print(df.columns)

# 打印数据

print(df.info())

结果：

6

(3, 2)

  男生  女生

0  王超  阿尼

  男生  女生

2  家福  阿东

Index(['男生', '女生'], dtype='object')

<class 'pandas.core.frame.DataFrame'>

RangeIndex: 3 entries, 0 to 2

Data columns (total 2 columns):

男生    3 non-null object

女生    3 non-null object

dtypes: object(2)

memory usage: 128.0+ bytes

实例应用：

#使用科学计算来统计AVG年龄

df = pd.DataFrame({'gender':['男','女'],'age':[18,20]})

#分组运算

grouped = df['age'].groupby(df['gender'])

#平均年龄

avg_age = grouped.mean()

#可以根据键取值

print(avg_age)

结果：

gender

女    20

男    18

Name: age, dtype: int64

巴特西

pandas之DataFrame

最新文章

热门文章