Pandas-DataFrame知识点汇总

什么是DataFrame

DataFrame是Pandas中最强大的数据结构之一。它可以看作是由Series组成的表格。DataFrame中的每列称为一个Series，而行则表示表格中的观察。以下是创建DataFrame的一种方法：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 47],
    'occupation': ['student', 'engineer', 'salesman', 'artist']
}

df = pd.DataFrame(data)
print(df)

输出结果：

       name  age occupation
0     Alice   25    student
1       Bob   32   engineer
2   Charlie   18   salesman
3     David   47     artist

DataFrame的基本操作

选择子集

您可以使用.loc方法选择DataFrame的子集。

# 选择一列
print(df.loc[:, 'name'])

# 选择多列
print(df.loc[:, ['name', 'age']])

# 选择多行
print(df.loc[0:2, :])

# 选择满足条件的行
print(df[df['age'] > 30])

输出结果：

0       Alice
1         Bob
2     Charlie
3       David
Name: name, dtype: object

       name  age
0     Alice   25
1       Bob   32
2   Charlie   18
3     David   47

      name  age occupation
0    Alice   25    student
1      Bob   32   engineer
2  Charlie   18   salesman

    name  age occupation
1    Bob   32   engineer
3  David   47     artist

新加一列

可以使用下面的方法给DataFrame添加新的一列：

df['gender'] = ['F', 'M', 'M', 'M']
print(df)

输出结果：

       name  age occupation gender
0     Alice   25    student      F
1       Bob   32   engineer      M
2   Charlie   18   salesman      M
3     David   47     artist      M

实例说明

示例1：统计和绘图

假设您有一个保存有每个城市人口数据的DataFrame，您可以使用DataFrame的统计和绘图功能计算和可视化各个城市的人口数据。

import pandas as pd
import matplotlib.pyplot as plt

# 读取人口数据
pop = pd.read_csv('populations.csv')

# 计算各个城市的总人口
pop_by_city = pop.groupby('City')['Population'].sum()

# 绘制柱状图
pop_by_city.plot(kind='bar')
plt.xlabel('City')
plt.ylabel('Population')
plt.show()

示例2：简单的数据清理

假设您有一个保存有学生成绩数据的DataFrame。您可以使用DataFrame的数据清理功能，消除噪声并填充缺失值。

import pandas as pd

# 读取成绩数据
scores = pd.read_csv('scores.csv')

# 删除成绩为负数的行
scores = scores[scores['score'] >= 0]

# 填充缺失值
scores = scores.fillna({'name': 'Unknown', 'age': 0})

结论

这里只是介绍了一些DataFrame的基本用法。DataFrame提供了更多的数据操作功能，如合并、分组、透视等。可以通过阅读Pandas文档来了解更多。