极客笔记Python创建DataFrame
什么是DataFrame？
DataFrame是Pandas库中最常用的数据结构之一，也是Python数据分析中最重要的数据结构之一。DataFrame可以看作是一种二维表格，类似于Excel表格，可以存储和处理具有不同数据类型的数据。
在DataFrame中，数据被组织成行和列的形式。每一列可以是不同的数据类型（如整数、浮点数、字符串等），而每一行则表示一个数据样本。DataFrame不仅可以执行各种数据操作，包括数据清洗、数据转换和数据分析，还可以进行数据可视化。
Pandas库是Python中最常用的数据分析库之一，广泛应用于金融、科学、统计、社会科学等领域。Pandas提供了高效的数据结构和数据分析工具，可以方便地处理和分析大规模的数据。
如何创建DataFrame？
Pandas库提供了多种方法来创建DataFrame，下面我们将介绍一些常用的创建DataFrame的方法。
1. 从CSV文件中创建DataFrame
CSV（逗号分隔值）是一种常见的数据存储格式，很多数据集在CSV文件中进行存储。Pandas库提供了read_csv()函数，可以从CSV文件中读取数据并创建DataFrame对象。
import pandas as pd
# 从CSV文件中读取数据
df = pd.read_csv('data.csv')
# 显示DataFrame的前5行数据
print(df.head())
运行上述代码，会从名为”data.csv”的CSV文件中读取数据，并打印DataFrame的前5行数据。
2. 从列表创建DataFrame
我们也可以从列表（List）创建DataFrame。列表中的每个元素都代表一列数据，而列表的长度就是DataFrame的行数。
import pandas as pd
# 列表数据
data = [['Alice', 25], ['Bob', 30], ['Charlie', 35]]
# 创建DataFrame
df = pd.DataFrame(data, columns=['Name', 'Age'])
# 显示DataFrame的数据
print(df)
运行上述代码，会创建一个包含两列（姓名和年龄）的DataFrame，并打印出DataFrame的数据。
3. 从字典创建DataFrame
另一种常用的方法是使用字典（Dictionary）创建DataFrame。字典的键代表列名，而字典的值代表相应列的数据。
import pandas as pd
# 字典数据
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35]}
# 创建DataFrame
df = pd.DataFrame(data)
# 显示DataFrame的数据
print(df)
运行上述代码，会创建一个包含两列（姓名和年龄）的DataFrame，并打印出DataFrame的数据。
4. 从NumPy数组创建DataFrame
NumPy是Python中用于科学计算的重要库，它提供了强大的数组对象和相关的数值计算函数。我们可以使用NumPy数组创建DataFrame。
import pandas as pd
import numpy as np
# 创建随机数组
data = np.random.rand(3, 2)
# 创建DataFrame
df = pd.DataFrame(data, columns=['A', 'B'])
# 显示DataFrame的数据
print(df)
运行上述代码，会创建一个包含两列（A和B）的DataFrame，并打印出DataFrame的数据。
DataFrame的操作
创建了DataFrame之后，我们可以对其进行各种操作，包括数据清洗、数据转换和数据分析。
访问DataFrame的数据
我们可以使用head()函数查看DataFrame的前几行数据，使用tail()函数查看DataFrame的后几行数据，使用shape属性查看DataFrame的形状（行数和列数）。
import pandas as pd
# 创建DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35]}
df = pd.DataFrame(data)
# 显示DataFrame的前两行数据
print(df.head(2))
# 显示DataFrame的后两行数据
print(df.tail(2))
# 显示DataFrame的形状
print(df.shape)
运行上述代码，会分别打印出DataFrame的前两行数据、后两行数据和形状。
访问DataFrame的列
我们可以使用列名访问DataFrame中的某一列数据，也可以使用[]操作符访问多列数据。
import pandas as pd
# 创建DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35]}
df = pd.DataFrame(data)
# 访问Name列数据
print(df['Name'])
# 访问Name和Age列数据
print(df[['Name', 'Age']])
运行上述代码，会分别打印出DataFrame的Name列数据和Name、Age列数据。
访问DataFrame的行
我们可以使用.loc[]操作符根据行号访问DataFrame中的某一行数据，也可以使用.iloc[]操作符根据索引访问DataFrame中的某一行数据。
import pandas as pd
# 创建DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35]}
df = pd.DataFrame(data)
# 访问第一行数据
print(df.loc[0])
# 访问第一行和第三行数据
print(df.loc[[0, 2]])
# 访问索引为1的行数据
print(df.iloc[1])
运行上述代码，会分别打印出DataFrame的第一行数据、第一行和第三行数据，以及索引为1的行数据。
修改DataFrame的数据
我们可以通过列名或行号修改DataFrame中的数据，也可以使用at[]操作符根据行号和列名来修改DataFrame中的某一数据。
import pandas as pd
# 创建DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35]}
df = pd.DataFrame(data)
# 修改Name列数据
df['Name'] = ['Amy', 'Ben', 'Cathy']
# 修改第一行数据
df.loc[0] = ['Alice', 28]
# 修改索引为1的行和Age列数据
df.at[1, 'Age'] = 31
# 显示DataFrame的数据
print(df)
运行上述代码，会修改DataFrame的Name列数据、第一行数据和索引为1的行数据，然后打印出修改后的DataFrame数据。
添加新的列和行
我们可以使用赋值操作符新增一列，并指定列名和列的值。此外，我们可以使用.loc[]操作符新增一行，其中行号可以超过已有行的数量。
import pandas as pd
# 创建DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35]}
df = pd.DataFrame(data)
# 添加新的列
df['Gender'] = ['Female', 'Male', 'Male']
# 添加新的行
df.loc[3] = ['Dave', 40]
# 显示DataFrame的数据
print(df)
运行上述代码，会添加新的Gender列和新的行，然后打印出添加后的DataFrame数据。
删除列和行
我们可以使用drop()函数删除DataFrame中的某一列或某一行数据。需要注意的是，drop()函数并不会修改原始DataFrame，而是返回一个新的DataFrame。
import pandas as pd
# 创建DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35]}
df = pd.DataFrame(data)
# 删除Name列
df_new = df.drop('Name', axis=1)
# 删除第一行
df_new = df.drop(0)
# 显示删除后的DataFrame数据
print(df_new)
运行上述代码，会分别删除DataFrame的Name列和第一行数据，然后打印出删除后的DataFrame数据。
数据筛选和过滤
我们可以使用逻辑运算符（如>、<、==等）对DataFrame进行筛选和过滤。通过设置逻辑条件，可以选择满足条件的行或列。
import pandas as pd
# 创建DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35]}
df = pd.DataFrame(data)
# 筛选年龄大于30的行
df_new = df[df['Age'] > 30]
# 显示筛选后的DataFrame数据
print(df_new)
运行上述代码，会筛选出DataFrame中年龄大于30的行，并打印出筛选后的DataFrame数据。
DataFrame的基本操作示例
下面我们以一个具体的示例来演示如何使用DataFrame进行数据分析。
假设我们有一个存储了学生姓名、年龄和成绩的数据集，数据包含多个学生的信息。
import pandas as pd
# 创建DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'Score': [80, 90, 85]}
df = pd.DataFrame(data)
# 显示DataFrame的数据
print(df)
运行上述代码，会创建一个包含三列的DataFrame，其中包含姓名、年龄和成绩的数据。
接下来，我们可以对数据进行各种操作。
统计描述
我们可以使用describe()函数对DataFrame中的数值列进行统计描述，包括计数、平均值、标准差、最小值、25%分位数、50%分位数、75%分位数和最大值。
import pandas as pd
# 创建DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'Score': [80, 90, 85]}
df = pd.DataFrame(data)
# 统计描述
print(df.describe())
运行上述代码，会对DataFrame中的数值列（Age和Score）进行统计描述，并打印出统计结果。
排序和排名
我们可以使用sort_values()函数对DataFrame按照指定的列进行排序，默认是升序排序。
import pandas as pd
# 创建DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'Score': [80, 90, 85]}
df = pd.DataFrame(data)
# 按照Age列进行升序排序
df_sorted = df.sort_values('Age')
# 显示排序后的DataFrame数据
print(df_sorted)
运行上述代码，会按照Age列进行升序排序，并打印出排序后的DataFrame数据。
除了排序，我们还可以使用rank()函数对DataFrame的数值列进行排名。
import pandas as pd
# 创建DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'Score': [80, 90, 85]}
df = pd.DataFrame(data)
# 对Score列进行排名
df['Rank'] = df['Score'].rank()
# 显示包含排名的DataFrame数据
print(df)
运行上述代码，会对DataFrame的Score列进行排名，并将排名结果保存在新的Rank列中，然后打印出包含排名的DataFrame数据。
分组和聚合
我们可以使用groupby()函数对DataFrame进行分组，并使用聚合函数对分组后的数据进行计算。
import pandas as pd
# 创建DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob'],
'Age': [25, 30, 35, 25, 30],
'Score': [80, 90, 85, 95, 75]}
df = pd.DataFrame(data)
# 根据Name列分组，并计算每个分组的平均值
df_grouped = df.groupby('Name').mean()
# 显示分组和聚合后的DataFrame数据
print(df_grouped)
运行上述代码，会根据DataFrame的Name列进行分组，并计算每个分组的平均值，然后打印出分组和聚合后的DataFrame数据。
总结
Python的Pandas库提供了强大的DataFrame数据结构，可以方便地进行数据处理和分析。我们可以使用多种方法创建DataFrame，并对其进行各种操作，包括访问、修改、添加、删除、筛选和聚合等。通过掌握DataFrame的创建和操作技巧，我们可以更好地处理和分析数据，为数据科学和数据分析工作提供有力支持。