锐客网

  1. 首页 > it技术 > >

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


    上一篇：MATLAB学习|MTALAB学习笔记——二三维图像的基本画法

    下一篇：卷积|CNN图像分类（从LeNet5到EfficientNet）