參考資料：pandas官方參考文檔

本文詳細介紹了pandas中關于DataFrame數據類型的常用函數及其使用方法，結合了pandas給出的官方文檔，佐以簡單示例，萬字長文助您一文搞定DataFrame相關的api調用問題。

在使用pandas包中的函數時默認已經執(zhí)行語句import pandas as pd和import numpy as np以調用pandas包和numpy包。

DataFrame數據類型

DataFrame是在python中獨有的一種數據類型，它是一種二維的、大小可變的、有潛在異構的表格型數據。

Constructor構造

DataFrame([data, index, columns,dtype, copy])

Attributes屬性

這里只介紹常用的api，如需了解其它的，請參考文章頂部參考鏈接。

Axes軸函數

• df.index：返回行標簽；
• df.columns：返回列標簽；注意這兩處都沒有括號，且列標簽要求有s；
• df.dtypes：返回df的dtypes；
• df.info(): 返回對于df的信息概述，如：

df.values：返回二維np數組的形式的df，如：

df.size：求出df中的元素數量，如上圖df的size即為4；

df.shape：以元組的形式返回df的形狀，如下圖中data的形狀即為4909行，16列；

conversion轉換函數

1.DataFrame.astype(dtype[, copy, errors])

作用：將一個df轉換成指定的類型；

格式：df.astype('int32')

示例：

注意：不通過賦值不會存儲轉換結果，即執(zhí)行完df.astype(‘int8’)之后如果直接執(zhí)行df.dtypes返回的結果仍是int64；

2.DataFrame.convert_dtypes([infer_objects, …])

作用：將df中的列自動轉換成最可能適配的類型，并且使用的dtype都是支持pd.NA的；即把用戶自定義的類型轉換成python語言中最適配的數據類型，并把np.nan轉換為pd.NA；

即把用戶自定義的類型轉換成python語言中最適配的數據類型，并把np.nan轉換為pd.NA；

3.DataFrame.infer_objects()

作用：嘗試為列類型為object的列推斷更好的數據類型；

與convert_dtypes()的區(qū)別：infer_objects()只針對類型為object的列，而convert_dtypes()針對所有的列；

4.DataFrame.copy([deep])

作用：復制一個df；

格式：df_new = df.copy()

示例：

Indexing, iteration索引、遍歷函數

1.df.head([n])

作用：返回前n行數據，默認為5

2.df.at

作用：按標簽返回行列對的單個值

格式：df.at[row_label, col_label]

示例：

3.df.iat

作用：按索引返回行列對的單個值

示例：

4.df.loc

作用：通過標簽或布爾數組訪問一行或多行或一行列對（不是只能行列對哦?。?/p>

格式：df.loc[row_label]或df.loc[row_label, col_label]或df.loc[[row1_label, row2_label,...]]

注意：不能取一列數據

示例：

5.df.iloc

作用：通過索引或布爾數組訪問一行或多行或一行列對（不是只能行列對哦?。?/p>

格式：df.iloc[row_label]或df.loc[row_label, col_label]或df.loc[[row1_label, row2_label,...]]

注意：不能取一列數據

DataFrame的構造轉換函數：pd.DataFrame()

作用：將data轉換成dataframe的數據類型；

格式：

pd.DataFrame(data = None, index = None, columns = None, dtype = None, copy = None)

參數：

• data：需要轉換位dataframe格式的原數據
• index：行標簽列表
• columns：列標簽列表
• dtype：數據類型列表

示例：

DataFrame的聚合函數、應用函數

df.apply() 或 df.applymap()

作用：對于df執(zhí)行某函數 或 對df的所有元素執(zhí)行某函數

格式：

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs)
df.applymap(func[, na_action])

參數： 

func：欲施加給某行或者某列的函數 

axis：{0 or ‘index’, 1 or ‘columns’}, default 0即為對列實施函數

• 0 or ‘index’: 對某列（的每行）實施函數
• 1 or ‘columns’: 對某行中（的每列）實施函數

raw：一個布爾值, default False，決定了一行或列的數據類型是以series還是ndarray object的形式傳入函數

• False : 以series為數據類型傳入參數
• True : 以ndarray objects為數據類型傳入參數，如果函數是基于numpy包實現的時候有更好的表現

示例：

np自帶的函數：

lambda函數：

df.aggregate()或df.agg()

作用: 對所有行或所有列做一項或多項聚合操作（兩種形式的函數效果一模一樣）；

格式：

DataFrame.aggregate(func=None, axis=0, *args, **kwargs)

示例：

df.transform()

作用：對df每個元素調用函數；

與df.apply()的區(qū)別：在調用一個普通函數的時候沒有區(qū)別，調用聚合函數時有區(qū)別，調用多個函數時也有區(qū)別。（個人理解transform只能對每個元素都進行操作，選擇axis參數的意義不大）

格式：

DataFrame.transform(func, axis=0, *args, **kwargs)

示例：

只調用一個函數：

同時調用多個lambda函數：

transform只顯示最后一個lambda函數的執(zhí)行結果，而apply會把每個執(zhí)行結果都顯示出來；同時調用多個聚合函數：（部分函數只能使用apply函數）

np.mean, np.sum等只能用apply ：

np.sqrt, np.exp等兩種函數都能使用：

sum等聚合函數在df.transform中要與groupby配合使用：

而df.transform(‘sum’)和df.transform(np.sum)都將報錯；

總結：對于df執(zhí)行函數時的情況復雜，如果不是對普通函數建議直接使用apply()，使用聚合函數時考慮實際情況選擇需要調用的api。（需要groupby分區(qū)時用transform())

df.groupby()

作用：在對數據做聚合操作前給數據分組

格式：

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True,  observed=False, dropna=True)

主要參數： 

by：mapping, function, label, or list of labels

用于確定 groupby 的組：

• 如果 by 是一個函數，它會在對象索引的每個值上調用。
• 如果傳遞了 dict 或 Series，則 Series 或 dict VALUES 將用于確定分組規(guī)則。
• 如果傳遞了 ndarray，則按原樣使用這些值來確定組。
• 標簽或標簽列表可以通過 self 中的列傳遞給 group。
• 請注意，元組被解釋為（單個）鍵。

axis：{0 or ‘index’, 1 or ‘columns’}, default 0

與其余函數的規(guī)則一致；

as_index：bool, default True

對于聚合輸出，返回帶有組標簽的對象作為索引。 僅與 DataFrame 輸入相關。 as_index=False 是有效的“SQL 風格”分組輸出。

sort：bool, default True

對組鍵進行排序。 關閉此功能可獲得更好的性能。 請注意，這不會影響每個組內的觀察順序。 Groupby 保留每個組中行的順序。

group_keys：bool, default True

調用apply時，將組鍵添加到索引以識別片段。

dropna：bool, default True

如果為 True，并且組鍵包含 NA 值，則 NA 值和行/列將被刪除。 如果為 False，NA 值也將被視為組中的鍵。

示例：

總結

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論