DataFrame對象

DataFrame是具有行和列的二維數據表，相比于Series，DataFrame可以有很多列。并且DataFrame很多操作與Series相似

導入本文需要的包

import pandas as pd
import numpy as np

通過字典創建DataFrame

city_data = {"City": ["New York City", "Paris", "Barcelona", "Rome"],"Country": ["United States", "France", "Spain", "Italy"],"Population": [8600000, 2141000, 5515000, 2873000]
}
cities = pd.DataFrame(city_data)
cities

DataFrame與Series的相似之處

使用read_csv函數導入DataFrame

nba = pd.read_csv("./pandas-in-action-master/chapter_04_the_dataframe_object/nba.csv",parse_dates=["Birthday"])
nba

Series和DataFrame的共享與專有屬性

Series只有一列，所以其只有一個dtype屬性。而DataFrame有很多

pd.Series([1, 2, 3]).dtype
nba.dtypes

注意Series是dtype，DataFrame是dtypes

查看列名：

nba.columns

查看維度：

nba.shape

計算數值總數：

nba.size

這樣得到的事包含缺失值的數量，如果想要查看排出缺失值的總數，可以用下面這種方法

nba.count().sum()

Series和DataFrame的共有方法

nba.head(2)
nba.tail(n = 3)
nba.sample(3)
nba.max()
nba.min()
nba.nlargest(n = 4, columns = "Salary")
# 只對數字字段加和
nba.sum(numeric_only = True)
nba.mean(numeric_only = True)
nba.median(numeric_only = True)
nba.mode(numeric_only = True)
nba.std(numeric_only = True)

對DataFrame進行排序

按照單列進行排序

nba.sort_values("Name")
nba.sort_values(by = "Name")
nba.sort_values(by = "Name", ascending = False) # 降序

按照多列進行排序

nba.sort_values(by = ["Team", "Name"])
# 還可以指定每一列是升序還是降序
nba.sort_values(by = ["Team", "Name"], ascending = [True, False])

按照索引進行排序

# 在存儲排序之后，我們還可以通過對索引排序來恢復
nba = nba.sort_values(by = ["Team", "Name"], ascending = [True, False])
nba
nba = nba.sort_index()
nba

對列索引進行排序

nba.sort_index(axis = "columns")
nba.sort_index(axis = 1)

設置索引

nba.set_index(keys = "Name")
nba.set_index("Name")
nba = nba.set_index("Name") # 覆蓋

上面兩種是相同的

從DataFrame中選擇列

從DataFrame中選擇單列

nba.Salary

這種方式返回的是對應的Series

還可以：

nba[("Salary")]

這種方法的優點是支持帶空格的列名，如果列名帶空格只能通過方括號來提取

從DataFrame中選擇多列

nba[["Salary", 'Birthday']]

中括號里的順序變了，輸出的順序也會變

nba[['Birthday', 'Salary']]

可以使用select_dtypes方法，根據數據類型選擇列。該方法接受兩個參數include和exclude。參數接收單個字符串或列表，表示Pandas應保留或丟棄的列類型。

nba.select_dtypes(include = "object")
nba.select_dtypes(exclude = ["object", "int"])

從DataFrame中選擇行

使用索引標簽提取行

nba.loc["LeBron James"]
nba.loc[["LeBron James", "Paul George"]]

同樣的索引時的順序，代表輸出的順序

還支持Python的列表切片語法

nba.sort_index().loc["Otto Porter" : "Patrick Beverley"]
nba.sort_index().loc["Zach Collins":]
nba.sort_index().loc[:"Al Horford"]

loc切片包括上限的值，但列表切片不包括上限的值

按索引位置提取行

nba.iloc[300]
nba.iloc[[100, 200, 300, 400]]
nba.iloc[400:404]
nba.iloc[:2]
nba.iloc[447:]

從特征列中提取特征值

nba.loc["Giannis Antetokounmpo", "Team"]
nba.loc["James Harden", ["Position", "Birthday"]]
nba.loc[["Russell Westbrook", "Anthony Davis"], ["Team", "Position"]]
nba.loc["Joel Embiid", "Position" : "Salary"]
nba.iloc[57, 3]

使用loc和iloc的時因為Pandas要先確定傳入的數據類型，所以運行速度較慢。如果只需要提取單個值的時候，可以用at代替loc，用iat代替iloc，使代碼的運行速度更快。其中at系列和loc系列的使用方法類似。同時at系列也可以用于Series

對行或列進行重命名

查看列名：

nba.columns

可以通過為該屬性分配新名稱來重命名DataFrame的任何或所有列

nba.columns = ["Team", "position", "Date of Birth", "Pay"]

還可以通過rename傳入一個字典實現，其中字典的值是新的名稱

nba = nba.rename(columns = {"Date of Birth": "Birthday"})

將上面代碼中的columns換位index就為更改索引名稱

重置索引

現在我想要將Team作為新的索引，但我直接通過set_index更改會導致Name列數據的丟失

nba.set_index("Team").head()

我們可以通過reset_index之前的索引替換為數字索引，并且那一列會被保留，再更換索引

nba.reset_index().set_index("Team").head()

代碼挑戰

nfl.csv 文件包含美國國家橄欖球聯盟中與 NBA 相似的數據結構，包括球員的 Name、Team、Position、Birthday 和 Salary 信息。嘗試回答如下問題：

1. 如何導入 nfl.csv 文件，并將其 Birthday 列中的值轉換為日期時間類型？
2. 可以通過哪兩種方式設置 DataFrame 索引來存儲球員姓名？
3. 如何計算這個數據集中每支球隊的球員人數？
4. 收入最高的 5 名球員是誰？
5. 如何先按球隊名稱升序對數據集進行排序，然后按薪資降序對數據集進行排序？
6. New York Jets 隊年齡最大的球員是誰，他的生日是哪天？

解決方案

# 1
nfl = pd.read_csv("./pandas-in-action-master/chapter_04_the_dataframe_object/nfl.csv", parse_dates=["Birthday"])# 2
nfl = pd.read_csv("./pandas-in-action-master/chapter_04_the_dataframe_object/nfl.csv", parse_dates=["Birthday"], index_col = "Name")
nfl = pd.read_csv("./pandas-in-action-master/chapter_04_the_dataframe_object/nfl.csv", parse_dates=["Birthday"])
nfl = nfl.set_index("Name")# 3
nfl.Team.value_counts()# 4
nfl.sort_values(by = "Salary", ascending = False)# 5
nfl.sort_values(by = ["Team", "Salary"], ascending = [True, False])# 6
# 先將Team列設置為索引
nfl = nfl.reset_index().set_index("Team")
nfl.loc["New York Jets"].sort_values("Birthday").head(1)