前言

大家好！我是一朵向阳花（花花花）🍭，本期跟大家分享的知识是 pandas 数据结构——DataFrame。

作者的【 Python 数据分析】专栏正在火热更新中🔥，如果本文对您有帮助，欢迎大家点赞 + 评论 + 收藏 ！

每日金句分享：慢慢来，谁还没有一个努力的过程。』—— pony「网易云音乐」。

一、DataFrame创建

DataFrame 是一个表格型的数据结构，DataFrame 既有行索引，又有列索引。

• index：行索引
• column：列索引
• values：二维 NumPy 数组

1.1 字典创建

字典创建时，字典的键变成 column ，值一般要是一个可迭代对象。

d = {
    'name':['John','marry','kitty','smith'],
    'age':[21,32,43,31]
}
df = pd.DataFrame(d)
df
1
2
3
4
5
6

1.2 NumPy二维数组创建

NumPy 二维数组创建时，只需要将二维数组赋值给 DataFrame 的 values，然后指定 index 行索引和 column 列索引即可。

df = pd.DataFrame(
    data=np.random.randint(10,100,size=(4,6)),
    index=['小明','小红','小黄','小绿'],
    columns=['语文','数学','英语','化学','物理','生物']
)
df
1
2
3
4
5
6

二、DataFrame切片

对于 DataFrame 的切片操作，因为是表格型，因此可以分为行切片，列切片，行列切片。

df = pd.DataFrame(
    data=np.random.randint(10,100,size=(4,6)),
    index=['小明','小红','小黄','小绿'],
    columns=['语文','数学','英语','化学','物理','生物']
)
print(df)
1
2
3
4
5
6

2.1 行切片

既然是切片，也是分为显式切片和隐式切片，下面分别演示。

显式切片：

df['小红':'小黄'] 
df.loc['小红':'小黄']
1
2

隐式切片：

df[1:3] # 数字是左闭右开
df.iloc[1:3]
1
2

2.2 列切片

对于列切片，即不管第一个维度（使用:,实现），需要特别注意的是，对列切片不能使用中括号 [] ，只能使用 loc 或 iloc。

• 显式切片

df.loc[:,'语文':'英语']
1

使用中括号报错：

• 隐式切片

df.iloc[:,0:3]
1

使用中括号报错：

2.3 行列切片

行列切片同时涉及对行和对列的切片，因此，对行列切片也只有两种方式，loc & iloc。

df.loc['小明':'小红','语文':'数学']
1

df.iloc[0:2,0:2]
1

三、DataFrame运算

3.1 DataFrame和标量的运算

DataFrame和标量之间的运算（±*/ // % **），正常对每个元素运算即可。

df1 = pd.DataFrame(
    data=np.random.randint(0,10,(2,3))
)
display(df1)
df1 + 10
1
2
3
4
5

3.2 DataFrame之间的运算

DataFrame的运算需要注意：

• 1.DataFrame没有广播机制，因此它不会为缺失的行列补充数据
• 2.如果索引对应，那么正常运算
• 3.如果索引不对应，那么是 NaN
• 4.如果想给没有索引的地方填充数据，使用 add 函数

df1 = pd.DataFrame(
    data=np.random.randint(0,10,(2,3))
)
df2 = pd.DataFrame(
    data=np.random.randint(0,10,(3,2))
)
display(df1,df2)
df1 + df2
1
2
3
4
5
6
7
8

使用 add 函数填充数据：

df1.add(df2,fill_value=0)
1

3.3 Series和DataFrame之间的运算

Series 的行索引会自动匹配 DataFrame 的列索引，匹配成功后，会对 DataFrame 的每一行都做相同的运算。

s = pd.Series([100,10,1],index=df1.columns)
df = pd.DataFrame(data=np.random.randint(2,10,(3,3)))
display(s,df)
df + s
1
2
3
4

四、DataFrame多层次索引

4.1 多层次索引构造

多层次索引创建包括隐式构造和显式构造，隐式构造是直接指定一个多维 index 和多维 column 的构造方式，显式构造是通过 MultiIndex 类来构造的，有三种方式，分别是 数组、元组、笛卡尔积。

1.隐式构造

data = np.random.randint(0,100,size=(6,6))

index = pd.MultiIndex.from_arrays([
    ['一班','一班','一班','二班','二班','二班'],
    ['张三','李四','王五','赵六','孙七','王八']
])

columns = [
    ['期中','期中','期中','期末','期末','期末'],
    ['语文','数学','英语','语文','数学','英语']
]

df = pd.DataFrame(data=data,index=index,columns=columns)
df
1
2
3
4
5
6
7
8
9
10
11
12
13
14

2.显式构造

显式构造在隐式构造的基础上，只改变 index ，不改变其他。

• <1> 数组

index = pd.MultiIndex.from_arrays([
    ['一班','一班','一班','二班','二班','二班'],
    ['张三','李四','王五','赵六','孙七','王八']
])
1
2
3
4

• <2> 元组

index = pd.MultiIndex.from_tuples(
    (
        ('一班','张三'),('一班','李四'),('一班','王五'),
        ('二班','赵六'),('二班','孙七'),('二班','王八')
    )
)
1
2
3
4
5
6

• <3> 笛卡尔积

笛卡尔积构造出来的是 2 x 3 = 6 个 index 。

index = pd.MultiIndex.from_product([
    ['一班','二班'],
    ['张三','李四','王五']
])
1
2
3
4

三种构造方法的运行结果和显式构造相同。

4.2 DataFrame多层索引的索引

1.获取元素

多层次索引中，如果使用 中括号 ，那么是列列行行；如果使用 loc ，那么是行列列行，如果使用 iloc ，那么是行列。

还是使用上面构造的期中、期末成绩表格演示。

# 显式索引
print(df['期中']['语文']['一班']['张三'])
print(df.loc['一班']['期中']['语文']['张三'])
# 隐式索引
print(df.iloc[1])
1
2
3
4
5

2.列索引&行索引

只需要牢牢记住中括号 [] 、loc、iloc 在多层索引中的使用规则即可。

df['期中']
df.loc['一班']['期中']
df.iloc[:,[1]]
1
2
3

4.3 DataFrame多层索引的切片操作

DataFrame 多层次索引切片较为复杂，可以参考这篇博客 【数据分析day03】pandas“层次化索引对象”的多层索引,切片,stack。

五、索引的堆叠

索引的堆叠是指将行变成列，或将列变成行的操作，列变行由 stack 函数实现，行变列由 unstack 函数实现。

stack：将列索引变成行索引，默认是将最里层的列索引变成行索引，可以通过level控制，level默认等于 -1 并且变成的行索引也是在最里层。

首先构造 dataframe 对象：

data = np.random.randint(0,100,size=(6,6))

index = pd.MultiIndex.from_arrays([
    ['一班','一班','一班','二班','二班','二班'],
    ['张三','李四','王五','赵六','孙七','王八']
])

columns = [
    ['期中','期中','期中','期末','期末','期末'],
    ['语文','数学','英语','语文','数学','英语']
]

df = pd.DataFrame(data=data,index=index,columns=columns)
df
1
2
3
4
5
6
7
8
9
10
11
12
13
14

然后使用 stack 函数将列索引变成行索引：

df.stack()
1

和下列写法等价：

df.stack(level=-1)
1

将最外层列索引变成行索引：

df.stack(level=0)
1

unstack：将行索引变成列索引（反堆叠），并且变成的列索引在最里层

还是使用上面的 dataframe 对象，进行反堆叠：

df.unstack()
1

level 属性：level默认等于 -1 ，最外层是0，最往里数值越大，-1就是指最里层

fill_value 属性：是stack、unstack方法的属性，用于填充NaN值。

不填充空值时：

df.unstack(level=0)
1

添加 fill_value 属性填充：

df.unstack(level=0,fill_value=0)
1

六、聚合操作

dataframe 聚合操作就是指 dataframe 聚合函数，有 sum、mean、max、min 等，主要有两个属性：aixs 控制行列，level 控制层级。

axis 属性：控制行列，axis = 0 表示行，axis = 1 表示列。

level 属性：控制层级，从外到里，依次增大，-1 表示最里层。

构造 dataframe 对象：

data = np.random.randint(0,100,size=(6,6))

index = pd.MultiIndex.from_arrays([
    ['一班','一班','一班','二班','二班','二班'],
    ['张三','李四','王五','赵六','孙七','王八']
])

columns = [
    ['期中','期中','期中','期末','期末','期末'],
    ['语文','数学','英语','语文','数学','英语']
]

df = pd.DataFrame(data=data,index=index,columns=columns)
df
1
2
3
4
5
6
7
8
9
10
11
12
13
14

使用 sum 函数聚合：

df.sum()
1

和下列写法等价：

df.sum(axis=0)
1

保留第一层列，求行的和：

df.sum(axis=1,level=0)
1

结语

💕 本期跟大家分享的 “芝士” 就到此结束了，关于 DataFrame 数据结构，你学会了吗？✨

🍻 我是向阳花花花花，在学习的路上一直前行，期待与你一起进步。~ 🍻

🔥 如果文中有些地方不清楚的话，欢迎联系我，我会给大家提供思路及解答。🔥

相关导读