python中dataframe转数据类型_Pandas|python中dataframe转数据类型_Pandas 学习 第4篇(DataFrame -(创建、属性、操作列、类型转换)...)

数据框类似于二维的关系表,包含一组有序的列,列与列之间的数据类型可以是不同的,但是单个列的数据类型是相同的。数据框的每一列或每一行都可以认为是一个Series。
DataFrame中面向行和面向列的操作基本上是相同的,把行和列称作轴(axis),DataFrame是按照轴进行操作的,axis=0表示行轴;axis=1 表示列轴。
在操作DataFrame的函数中,通常有沿着轴来进行操作,沿着axis=0,表示对一列(column)的数据进行操作;沿着axis=1,表示对一行(row)的数据进行操作。
axis{0 or ‘index’, 1 or ‘columns’}, default 0
Axis along which the function is applied:
0 or ‘index’: apply function to each column.
1 or ‘columns’: apply function to each row.
DataFrame对象既有行索引(index),也有列索引(columns),行索引也叫做行标签,列索引也叫做列标签/列名。在DataFrame的构造函数中,columns参数用于设置列索引,index用于设置行索引,都属于Index类型。Index对象既可以使用位置(整数)来表示,也可以使用标签(字符串)来表示,位置的起始值是0,标签是通过列表来指定的。
一,数据框构造函数
数据框的基础构造函数是DataFrame,从array-like的结构中构造数据框:
pandas.DataFrame(data=https://www.it610.com/article/None, index=None, columns=None)
参数注释:
data:ndarray、list 或dict
index:行索引
columns:列名列表
二,创建数据框
通常情况下,我们使用pd.DataFrame()函数来创建数据框,当然也可以根据需要使用pd.DataFrame.from_dict()函数来创建数据框。
1,使用字典来创建数据框
通过等长的字典来创建数据框,并可以设置数据框的列名和行索引。字典存储的是每列的数据:
>>> data = https://www.it610.com/article/{'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
...'year': [2000, 2001, 2002, 2001, 2002],
【python中dataframe转数据类型_Pandas|python中dataframe转数据类型_Pandas 学习 第4篇(DataFrame -(创建、属性、操作列、类型转换)...)】...'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}>>> row_index = ['one', 'two', 'three', 'four', 'five']>>> col_names=['year', 'state', 'pop']>>> df=pd.DataFrame(data,columns=col_names,index=row_index)year state pop
one2000 Ohio 1.5two2001 Ohio 1.7three2002 Ohio 3.6four2001 Nevada 2.4five2002 Nevada 2.9
2,使用列表(列表项是List)来创建数据框
列表项是列表,把该列表转换为DataFrame:
students = [ ['jack', 34, 'Sydeny'] ,
['Riti', 30, 'Delhi'] ,
['Aadi', 16, 'New York'] ]
df= pd.DataFrame(students)
3,使用列表(列表项是元组)来创建数据框
列表项是元组,把该列表转换为DataFrame:
students = [ ('jack', 34, 'Sydeny') ,
('Riti', 30, 'Delhi') ,
('Aadi', 16, 'New York') ]
df= pd.DataFrame(students)
4,使用from_dict创建数据框
data是一个字典结构,字典的Key是列名,Value是一个列表,通过这种格式创建数据框:
>>> data = https://www.it610.com/article/{'col_1': [3, 2, 1, 0], 'col_2': ['a', 'b', 'c', 'd']}>>>pd.DataFrame.from_dict(data)
col_1 col_2
03a1 2b2 1c3 0 d
三,数据框的属性
数据框的属性主要是索引、列名、数据类型和值,对于一下数据框
1,数据框的索引
通过index属性来访问数据框的行标签,通过columns属性访问数据框的列标签:
>>>df.index
Index(['one', 'two', 'three', 'four', 'five'], dtype='object')>>>df.columns
Index(['year', 'state', 'pop'], dtype='object')
2,数据类型
查看数据框各列的数据类型
>>>df.dtypes
year int64
state object
pop float64
dtype: object
查看数据框中某一列的数据类型:
df['col_name'].dtypes
df.col_name.dtypes
3,数据框的值
values属性以Numpy数组形式显示数据框的值:
>>>df.values
array([[2000, 'Ohio', 1.5],
[2001, 'Ohio', 1.7],
[2002, 'Ohio', 3.6],
[2001, 'Nevada', 2.4],
[2002, 'Nevada', 2.9]], dtype=object)
4,数据框的轴和形状
>>>df.axes
[Index(['one', 'two', 'three', 'four', 'five'], dtype='object'), Index(['year', 'state', 'pop'], dtype='object')]>>>df.shape
(5, 3)
四,列操作和行操作
追加列
通过为一个新列赋值来向数据框中追加新列,新列始终处于列名序列的末尾:
>>> df['new']='a'
插入列
要制定新列的位置,需要使用insert()函数,该函数向数据框中插入一列,并制定新列的位置:
DataFrame.insert(self, loc, column, value)
参数注释:
loc:插入列的位置,该位置索引必须0 <= loc <= len(columns)
column:插入列的名称
value:插入列的值,可以是单个标量值,插入列的值都是相同的;可以是序列或array-like,为每一行的列设置一个值。
举个例子,向df的末尾插入一列,列值都是a:
>>> df.insert(3,'new','a')
删除列或行
使用drop()函数来删除行或列:
DataFrame.drop(self, labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')
参数注释:
labels 和 axis:labels参数指定要删除的标签,如果axis=0 或 'index',表示行标签;如果axis=1 或 'columns',表示列标签。axis的默认值是0。
index:设置index 等价于设置 labels 和axis=0;
columns:设置columns等价于设置 labels和 axis=1;
举个例子,把df的列new删除:
>>> df.drop(labels='new',axis=1)
追加数据行
向数据框的末尾追加数据行:
DataFrame.append(self, other, ignore_index=False, verify_integrity=False, sort=None)
也就是把一个结构相同的DataFrame追加到另一个DataFrame的后面,把两个DataFrame合并为一个。
五,列数据类型转换
astype(dtype) 函数用于把数据框的列转换为特定的类型,dtype可以是pandas支持的类型,也可以是numpy.dtype,也可以是Python类型:
把数据框的列改变为字符串类型,str是python类型,'object'是pandas支持的字符串类型:
df['col_name'].astype(str)
df['col_name'].astype('object')
其他转换类型的函数
使用Pandas提供的函数如to_numeric()、to_datetime()
参考文档:

    推荐阅读