Pandas DataFrame结构对象常用的属性和方法

Pandas DataFrame是一个二维表结构，包含了行和列的标签，每一列可以有不同的数据类型。

以下是Pandas DataFrame结构对象常用的属性和方法：

DataFrame结构对象属性

DataFrame对象常用的属性有：

• shape：返回DataFrame的形状（行数、列数）
• index：返回DataFrame的行索引
• columns：返回DataFrame的列索引
• dtypes：返回DataFrame每列数据类型
• values：返回DataFrame的值，以二维numpy数组形式表示

示例代码：

import pandas as pd
import numpy as np

# 创建DataFrame
data = {'name': ['Tom', 'Jack', 'Mary', 'Jane'],
        'age': [20, 21, 19, 20],
        'score': [80, 90, 85, 92]}
df = pd.DataFrame(data)

# 属性
print("DataFrame的形状为：", df.shape)
print("DataFrame的行索引为：", df.index)
print("DataFrame的列索引为：", df.columns)
print("DataFrame的每列数据类型为：", df.dtypes)
print("DataFrame的值为：", df.values)

输出结果为：

DataFrame的形状为： (4, 3)
DataFrame的行索引为： RangeIndex(start=0, stop=4, step=1)
DataFrame的列索引为： Index(['name', 'age', 'score'], dtype='object')
DataFrame的每列数据类型为： name     object
age       int64
score     int64
dtype: object
DataFrame的值为： [['Tom' 20 80]
 ['Jack' 21 90]
 ['Mary' 19 85]
 ['Jane' 20 92]]

DataFrame结构对象方法

DataFrame结构对象常用的方法有：

• head()：返回DataFrame前几行，默认返回前5行
• tail()：返回DataFrame后几行，默认返回后5行
• info()：返回DataFrame每列的数据类型、非空值个数、内存占用等信息
• describe()：返回DataFrame每列的统计信息，包括计数、均值、标准差、最小值、25%、50%、75%和最大值
• sort_values()：按指定列的值对DataFrame进行排序
• dropna()：删除缺失值
• fillna()：填充缺失值
• groupby()：按指定列分组
• pivot_table()：数据透视表
• merge()：按照指定列将两个DataFrame进行合并
• join()：按照索引将两个DataFrame进行合并

示例代码：

import pandas as pd
import numpy as np

# 创建DataFrame
data = {'name': ['Tom', 'Jack', 'Mary', 'Jane'],
        'age': [20, 21, 19, 20],
        'score': [80, 90, 85, 92]}
df = pd.DataFrame(data)

# 方法
print("DataFrame前2行为：", df.head(2))
print("DataFrame后2行为：", df.tail(2))
print("DataFrame的信息为：",df.info())
print("DataFrame的统计信息为：",df.describe())

print("按分数对DataFrame进行排序：",df.sort_values(by='score', ascending=False))

print("删除缺失值：",df.dropna())

print("填充缺失值为0：",df.fillna(value=0))

print("按照年龄进行分组：",df.groupby('age').sum())

print("数据透视表：",pd.pivot_table(df, values='score', index=['name'], columns=['age']))

df1 = pd.DataFrame({'name': ['Tom', 'Jack', 'Mary', 'Jane'], 'gender': ['M', 'M', 'F', 'F']})

print("合并两个DataFrame：",pd.merge(df, df1, on='name'))

df2 = pd.DataFrame({'gender': ['M', 'M', 'F', 'F'], 'income': [2000, 3000, 2500, 2800]})

print("按索引合并两个DataFrame：",df.join(df2))

输出内容为：

DataFrame前2行为：    name  age  score
0   Tom   20     80
1  Jack   21     90
DataFrame后2行为：    name  age  score
2  Mary   19     85
3  Jane   20     92
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   name    4 non-null      object
 1   age     4 non-null      int64 
 2   score   4 non-null      int64 
dtypes: int64(2), object(1)
memory usage: 224.0+ bytes
DataFrame的信息为： None
DataFrame的统计信息为：              age      score
count   4.000000   4.000000
mean   20.000000  86.750000
std     0.816497   5.377422
min    19.000000  80.000000
25%    19.750000  83.750000
50%    20.000000  87.500000
75%    20.250000  90.500000
max    21.000000  92.000000
按分数对DataFrame进行排序：    name  age  score
3  Jane   20     92
1  Jack   21     90
2  Mary   19     85
0   Tom   20     80
删除缺失值：    name  age  score
0   Tom   20     80
1  Jack   21     90
2  Mary   19     85
3  Jane   20     92
填充缺失值为0：    name  age  score
0   Tom   20     80
1  Jack   21     90
2  Mary   19     85
3  Jane   20     92
按照年龄进行分组：      score
age       
19      85
20     172
21      90
数据透视表： age     19    20    21
name                  
Jack   NaN   NaN  90.0
Jane   NaN  92.0   NaN
Mary  85.0   NaN   NaN
Tom    NaN  80.0   NaN
合并两个DataFrame：    name  age  score gender
0   Tom   20     80      M
1  Jack   21     90      M
2  Mary   19     85      F
3  Jane   20     92      F
按索引合并两个DataFrame：    name  age  score gender  income
0   Tom   20     80      M    2000
1  Jack   21     90      M    3000
2  Mary   19     85      F    2500
3  Jane   20     92      F    2800