數據分析(4)--pandas+DataFrame

DataFrame類型

DataFrame是一個多維數據類型。因爲通常使用二維數據，因此，我們可以將DataFrame理解成類似excel的表格型數據，由多列組成，每個列的類型可以不同。
因爲DataFrame是多維數據類型，因此，DataFrame既有行索引，也有列索引。

創建方式

我們可以使用如下的方式創建（初始化）DataFrame類型的對象（常用）：

• 二維數組結構（列表,ndarray數組，DataFrame等）類型。
• 字典類型，key爲列名，value爲一維數組結構（列表，ndarray數組,Series等）。

說明：

• 如果沒有顯式指定行與列索引，則會自動生成以0開始的整數值索引。我們可以在創建DataFrame對象時，通過index與columns參數指定。
• 可以通過head，tail訪問前 / 後N行記錄（數據）。

df = pd.DataFrame({0:[1, 2, 3], 1:5})

相關屬性

• index
• columns
• values
• shape
• ndim
• dtypes

說明：

• 可以通過index訪問行索引，columns訪問列索引，values訪問數據，其中index與columns也可以進行設置（修改）。
• 可以爲DataFrame的index與columns屬性指定name屬性值。
• DataFrame的數據不能超過二維。

DataFrame相關操作

假設df爲DataFrame類型的對象。

列操作

• 獲取列【哪個更好些？】
  df[列索引]
  df.列索引
• 增加（修改）列：df[列索引] = 列數據
• 刪除列
  del df[列索引]
  df.pop(列索引)
  df.drop(列索引或數組)

行操作

• 獲取行
  df.loc 根據標籤進行索引。
  df.iloc 根據位置進行索引。
  df.ix 混合索引。先根據標籤索引，如果沒有找到，則根據位置進行索引（前提是標籤不是數值類型）。【已不建議使用】
• 增加行：append【多次使用append增加行會比連接計算量更大，可考慮使用pd.concat來代替。】
• 刪除行
  df.drop(行索引或數組)

行列混合操作：

• 先獲取行，再獲取列。
• 先獲取列，在獲取行。

說明：

• drop方法既可以刪除行，也可以刪除列，通過axis指定軸方向。【可以原地修改，也可以返回修改之後的結果。】
• 通過df[索引]訪問是對列進行操作。
• 通過df[切片]訪問是對行進行操作。【先按標籤，然後按索引訪問。如果標籤是數值類型，則僅會按標籤進行匹配。】
• 通過布爾索引是對行進行操作。
• 通過數組索引是對列進行操作。

在對行或列進行操作時，如果針對多行（列）進行操作？如果是不連續的呢？

DataFrame結構

DataFrame的一行或一列，都是Series類型的對象。對於行來說，Series對象的name屬性值就是行索引名稱，其內部元素的值，就是對應的列索引名稱。對於列來說，Series對象的name屬性值就是列索引名稱，其內部元素的值，就是對應的行索引名稱。

DataFrame運算

DataFrame的一行或一列都是Series類型的對象。因此，DataFrame可以近似看做是多行或多列Series構成的，Series對象支持的很多操作，對於DataFrame對象也同樣適用，我們可以參考之前Series對象的操作。

• 轉置
• DataFrame進行運算時，會根據行索引與列索引進行對齊。當索引無法匹配時，產生空值（NaN）。如果不想產生空值，可以使用DataFrame提供的運算函數來代替運算符計算，通過fill_value參數來指定填充值。
• DataFrame與Series混合運算。【默認Series索引匹配DataFrame的列索引，然後進行行廣播。可以通過DataFrame對象的運算方法的axis參數，指定匹配方式（匹配行索引還是列索引）。】

排序

索引排序

Series與DataFrame對象可以使用sort_index方法對索引進行排序。DataFrame對象在排序時，還可以通過axis參數來指定軸（行索引還是列索引）。也可以通過ascending參數指定升序還是降序。

值排序

Series與DataFrame對象可以使用sort_values方法對值進行排序。

索引對象

Series(DataFrame)的index或者DataFrame的columns就是一個索引對象。

• 索引對象可以向數組那樣進行索引訪問。
• 索引對象是不可修改的。

統計相關方法

• mean / sum / count
• max / min
• cumsum / cumprod
• argmax / argmin
• idxmax / idxmin
• var / std
• corr / cov

其他

• unique
• value_counts