接上文：4小时学完Python数据分析入门笔记（三）

写在前面

freecodecamp.org + RMOTR的Python数据分析课的笔记，全视频4小时22分钟。以下内容斜体和（括号）部分仅为我个人的想法或补充，其他文字为中文翻译。分几次发完，转载标明出处。
原视频链接：https://www.youtube.com/watch?v=r-uOLxNrNk8
Data Analysis with Python - Full Course for Beginners (Numpy, Pandas, Matplotlib, Seaborn)

本来在开学前复习一遍的目标没有实现，一转眼都快期中了哈哈。今天有空继续，介绍Pandas DataFrame。

Pandas DataFrame

Pandas DataFrame像Excel，Pandas Series像Excel里的一列。Pandas DataFrame其实应该是接触更多的那种。

创建DataFrame

创建方式和创建Pandas Series很像。

df = pd.DataFrame({
    'Population': [35.467, 63.951, 80.94 , 60.665, 127.061, 64.511, 318.523],
    'GDP': [
        1785387,
        2833687,
        3874437,
        2167744,
        4602367,
        2950039,
        17348075
    ],
    'Surface Area': [
        9984670,
        640679,
        357114,
        301336,
        377930,
        242495,
        9525067
    ],
    'HDI': [
        0.913,
        0.888,
        0.916,
        0.873,
        0.891,
        0.907,
        0.915
    ],
    'Continent': [
        'America',
        'Europe',
        'Europe',
        'Europe',
        'Asia',
        'Europe',
        'America'
    ]
}, columns=['Population', 'GDP', 'Surface Area', 'HDI', 'Continent'])
df

修改默认数字index：

df.index = [
    'Canada',
    'France',
    'Germany',
    'Italy',
    'Japan',
    'United Kingdom',
    'United States',
]
df

查看行列等基本信息的代码基本和series是一样的：

df.columns
df.index
df.info() # dataframe结构
df.size
df.shape # 类似2Darray
df.describe()
df.dtypes
df.dtypes.value_counts()
# 这里的输出结果就不一一写了

选择（多）行列&（多）单元格

选择一行有两种方法：按index选择用loc，按位置顺序选择用iloc。

df.loc['France']
df.iloc[1]

Population 63.951
GDP 2833687
Surface Area 640679
HDI 0.888
Continent Europe
Name: France, dtype: object

选择一列直接用该列名称。

df['Population']

Canada 35.467
France 63.951
Germany 80.940
Italy 60.665
Japan 127.061
United Kingdom 64.511
United States 318.523
Name: Population, dtype: float64

注意上面三个返回的值都是Pandas Series。

选择多行同样有两种方式：loc和iloc。

df.loc['France': 'Italy']
df.iloc[1:4]
df.iloc[[1,2,3]]

选择多列：

df[['Population', 'GDP']]

选择n行n列：

df.loc['France': 'Italy', ['Population', 'GDP']]
df.iloc[1:4, [0, 1]]
df.iloc[1:4, 0:2]

条件选择需要引入布尔运算。

df['Population'] > 70

Canada False
France False
Germany True
Italy False
Japan True
United Kingdom False
United States True
Name: Population, dtype: bool

df.loc[df['Population'] > 70]

DataFrame运算

加减乘除的基本运算还是和series一样。

df[['Population', 'GDP']] / 100

DataFrame间运算稍微复杂一点点：

先新建一个pandas series

crisis = pd.Series([-1_000_000, -0.3], index=['GDP', 'HDI'])
crisis

再看看我们想要进行运算的dataframe：

df[['GDP', 'HDI']]

最后进行运算：

df[['GDP', 'HDI']] + crisis

DataFrame变换

添加新的一列：

langs = pd.Series(
    ['French', 'German', 'Italian'],
    index=['France', 'Germany', 'Italy'],
    name='Language'
)
df['Language'] = langs
df

我们没有说明一些值，比如Canada对应Language的值，所以右上角的单元格是NaN。

修改一列的值：

df['Language'] = 'English'
df

修改行名：

df.rename(
    columns={
        'HDI': 'Human Development Index',
        'Anual Popcorn Consumption': 'APC'
    }, index={
        'United States': 'USA',
        'United Kingdom': 'UK',
        'Argentina': 'AR' # 我们其实没有这一行但是没关系不会造成问题
    })

统一行名大小写：

df.rename(index=str.upper)
df.rename(index=lambda x: x.lower())

删除行列：

这里要特别注意之前没有指出的一个地方：以下操作都不直接修改df。

df.drop('Canada')
df.drop(['Canada', 'Japan'])
df.drop(columns=['Population', 'HDI'])
df.drop(['Italy', 'Canada'], axis=0) # axis是0代表行
df.drop(['Canada', 'Germany'], axis='rows')
df.drop(['Population', 'HDI'], axis=1) # axis是1代表列
df.drop(['Population', 'HDI'], axis='columns')

但这个操作直接修改df：

df.drop(columns='Language', inplace=True)

稍微注意一下两者区别即可。

小结

介绍了Pandas DataFrame的基本运用。

原视频链接：https://www.youtube.com/watch?v=r-uOLxNrNk8
Data Analysis with Python - Full Course for Beginners (Numpy, Pandas, Matplotlib, Seaborn)

上一篇：4小时学完Python数据分析入门笔记（三）
下一篇：未完待续To be continued…

最后

以上就是务实音响为你收集整理的4小时学完Python数据分析入门笔记（四） Data Analysis with Python(Numpy, Pandas, Matplotlib, Seaborn)接上文：4小时学完Python数据分析入门笔记（三）写在前面Pandas DataFrame小结的全部内容，希望文章能够帮你解决4小时学完Python数据分析入门笔记（四） Data Analysis with Python(Numpy, Pandas, Matplotlib, Seaborn)接上文：4小时学完Python数据分析入门笔记（三）写在前面Pandas DataFrame小结所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。