Pandas数据结构之Series对象

1. DataFrame对象

DataFrame是一个表格型的结构化数据结构，它含有一组或多组有序的列（Series），每列可以是不同的值类型（数值、字符串、布尔值等）。

• DataFrame是Pandas中的最基本的数据结构对象，简称df；可以认为df就是一个二维数据表，这个表有行有列有索引。
• DataFrame是Pandas中最基本的数据结构，Series的许多属性和方法在DataFrame中也一样适用。

1.1 创建DataFrame对象

• 通过 pd.read_csv(‘xxx’) 返回 df

import pandas as pd 
df = pd.read_csv(r"E:\数据分析\00_资料\02_数据_数分\data_v2\a_scientists.csv")
df

运行结果：
- 将 Series对象 通过 to_frame() 转成 df

ages = df['Age']
type(ages)
# 将Series对象通过to_frame()转成df
df2 = ages.to_frame()
print(df2)
print(type(df2))

运行结果：

• 使用 列表 加 元组 返回 df

# 使用列表 加 元组 返回 df
student_list = [(1,"张三",18),(2,"李四",19),(3,"王五",23)]
df3 = pd.DataFrame(student_list)
print(df3)
print(type(df3))

运行结果：

• 使用 字典 返回 df

# 使用 字典 返回 df
dict1 = {'id':[1, 2, 3], 'name':['张三', '李四', '王五'], 'age':[18, 19, 28]}
df4 = pd.DataFrame(dict1)
df4

运行结果：

1.2 DataFrame对象常用属性和方法

DataFrame对象常用属性和方法与Series对象的几乎相同。

print('=============== 常用属性 ===============')
# 查看维度, 返回元组类型 -> (行数, 列数), 元素个数代表维度数
print(df.shape)

# 查看数据值个数, 行数*列数, NaN值也算
print(df.size)

# 查看数据值, 返回numpy的ndarray类型
print(df.values)

# 查看维度数
print(df.ndim)

# 返回列名和列数据类型
print(df.dtypes)

# 查看索引值, 返回索引值对象
print(df.index)

# 查看列名, 返回列名对象
print(df.columns)

运行结果：

print('=============== 常用方法 ===============')
# 查看前5行数据
df.head()

# 查看后5行数据
df.tail()

# 查看df的基本信息
df.info()

# 查看df对象中所有数值列的描述统计信息
df.describe()

# 查看df对象中所有非数值列的描述统计信息
# exclude:不包含指定类型列
print(df)
print(df.describe(exclude=['int', 'float']))

# 查看df对象中所有列的描述统计信息
# include:包含指定类型列, all代表所有类型
print(df.describe(include='all'))
print(df)

# 查看df的行数
print(len(df))

# 查看df各列的最小值
print(df.min())

# 查看df各列的非空值个数
print(df.count())

# 查看df数值列的平均值
print(df.mean())

1.3 布尔值列表获取DataFrame对象中部分数据

• 求 平均年龄

df['Age'].mean()

• 求 是否高于平均年龄

df['Age'] > df['Age'].mean()

• 求高于平均年龄的数据

df[df['Age'] > df['Age'].mean()]

• 求高于平均年龄的数据(列表)

list1 = list(df['Age'] > df['Age'].mean())
df[list1]

总结：
本质就是传入布尔值构成的列表，来获取部分数据，True所对应的数据会被保留。

1.4 DataFrame对象的运算

DataFrame和数值型变量计算时，变量会与DataFrame中的每个元素逐一进行计算，但df中存在非数值类型列时不能进行加减除运算。
两个DataFrame之间、以及df和s对象进行计算时，索引值相同的行之间会进行计算；索引值不同的行的计算结果会用NaN值(缺失值)填充。

• 观察df+2

df + 2

运行结果：

• 观察 df+df

df + df

运行结果：

• 观察 df * 2

df * 2

运行结果：
同上 df + df

• 获取 是否是 [0, 2, 4] 的下标列表( isin )

df.index
df.index.isin([0, 2, 4])
df[df.index.isin([0, 2, 4])]

运行结果：

• 获取下标为0 2 4 的数据

df[df.index.isin([0, 2, 4])]

运行结果：