Python中Pandas库提供的函数pd.DataFrame的基本用法
作者：o涂鸦小巷的菇凉o
一、DataFrame 的基本概念
pd.DataFrame是 Pandas 库中的一个类，用于创建和操作数据框（DataFrame）。DataFrame 是 Pandas 的核心数据结构，用于以表格形式和处理数据，类似提供电子表格或数据库表格。类了创建pd.DataFrame数据框、访问数据、进行数据操作和分析的方法和属性。
二、DataFrame 的重要特点
表格形式：DataFrame是一个二维表格，其中包含了多行和多列的数据。每个列可以有不同的数据类型，例如整数、浮点数、字符串等。
标签：DataFrame的行和列都有标签（Label），行标签称为索引（Index），列标签通常是字段名或特征名。
数据操作：DataFrame提供了丰富的数据操作方法，包括数据筛选、切片、合并、分组、聚合、排序等。
数据查看：您可以使用
.head()方法来查看DataFrame的前几行数据，以了解数据的结构和内容。数据统计：DataFrame提供了
.describe()方法，用于生成数据的统计摘要信息，包括均值、标准差、简单、顶点等。数据过滤：你可以使用条件表达式来过滤数据，例如选择满足特定条件的行。
数据可视化：Pandas 与其他数据可视化库（如 Matplotlib 和 Seaborn）结合使用，可以轻松创建各种图表和可视化，以探索和传输数据。
数据导入和导出：DataFrame可以从各种数据源导入数据，如CSV文件、Excel表格、SQL数据库等，并且可以将数据导出为不同格式的文件。
数据恢复处理：DataFrame提供了处理数据中的恢复值的方法，如删除恢复值或恢复恢复值。
数据索引：DataFrame可以使用行索引和列标签来访问特定的数据元素。
数据转换：您可以对DataFrame进行各种数据转换操作，如数据类型转换、列重命名、数据透视表等。
三、DataFrame 的具体代码操作
1.创建空的数据框：
import pandas as pd df = pd.DataFrame() print(df) # 运行结果 ''' Empty DataFrame Columns: [] Index: [] '''
这将创建一个空的数据框，可以在后续添加数据。
2.从创建列表数据框：
import pandas as pd
data = [['Alice', 25], ['Bob', 30], ['Charlie', 35]]
df = pd.DataFrame(data, columns=['Name', 'Age'])
print(df)
# 运行结果
'''
Name Age
0 Alice 25
1 Bob 30
2 Charlie 35
'''这将创建一个包含姓名和年龄列的数据框。
3.从字典创建数据框：
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)
print(df)
# 运行结果
'''
Name Age
0 Alice 25
1 Bob 30
2 Charlie 35
'''这将创建一个与上述示例相同的数据框。
4.访问数据：
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)
a = df['Name'] # 获取 'Name' 列的数据
b = df.loc[0] # 获取第一行的数据
print(a)
print(b)
# 运行结果
'''
0 Alice
1 Bob
2 Charlie
Name: Name, dtype: object
Name Alice
Age 25
Name: 0, dtype: object
'''5.数据操作：
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)
a = df['Age'].mean() # 计算 'Age' 列的平均值
b = df.sort_values(by='Age', ascending=False) # 按 'Age' 列排序,ascending=True是从小到大，ascending=False是从大到小
print(a)
print(b)
# 运行结果
'''
30.0
Name Age
2 Charlie 35
1 Bob 30
0 Alice 25
'''6.数据查看：
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)
a = df.head(2) # 查看前几行数据，df.head()默认为前5行
b = df.tail(2) # 查看后3行数据
print(a)
print(b)
# 运行结果
'''
Name Age
0 Alice 25
1 Bob 30
Name Age
1 Bob 30
2 Charlie 35
'''7.数据统计：
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)
c=df.describe() # 生成数据的统计摘要信
print(c)
# 运行结果
'''
Age
count 3.0
mean 30.0
std 5.0
min 25.0
25% 27.5
50% 30.0
75% 32.5
max 35.0
'''这些是一些常见的最有效pd.DataFrame示例，Pandas 提供了丰富的高效方法和功能，使你能够进行数据处理和分析。数据科学、机器学习、统计分析等领域中经常使用 Pandas 数据框来处理和分析数据。
总结
到此这篇关于Python中Pandas库提供的函数pd.DataFrame基本用法的文章就介绍到这了,更多相关Pandas库函数pd.DataFrame用法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！