python dataframe index函数_pandas入门：Series、DataFrame、Index基本操作都有了！

原标题：pandas入门：Series、DataFrame、Index基本操作都有了！

导读：pandas是一款开放源码的BSD许可的Python库。它基于NumPy创建，为Python编程语言提供了高性能的、易于使用的数据结构和数据分析工具。

pandas应用领域广泛，包括金融、经济、统计、分析等学术和商业领域。本文将介绍pandas中Series、DataFrame、Index等常用类的基本用法。

作者：李明江 张良均 周东平 张尚佳

来源：大数据DT(ID：hzdashuju)

pandas提供了众多类，可满足不同的使用需求，其中常用的类如下所示。

Series：基本数据结构，一维标签数组，能够保存任何数据类型

DataFrame：基本数据结构，一般为二维数组，是一组有序的列

Index：索引对象，负责管理轴标签和其他元数据(比如轴名称)

groupby：分组对象，通过传入需要分组的参数实现对数据分组

Timestamp：时间戳对象，表示时间轴上的一个时刻

Timedelta：时间差对象，用来计算两个时间点的差值

在这6个类中，Series、DataFrame和Index是使用频率最高的类。

01 Series

Series由一组数据以及一组与之对应的数据标签(即索引)组成。Series对象可以视作一个NumPy的ndarray，因此许多NumPy库函数可以作用于Series。

1. 创建Series

创建Series对象的函数是Series，它的主要参数是data和index，其基本语法格式如下。

classpandas. Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

Series函数常用的参数及其说明如下所示。

data：接收array或dict。表示接收的数据。默认为None

index：接收array或list。表示索引，它必须与数据长度相同。默认为None

name：接收string或list。表示Series对象的名称。默认为None

Series本质上是一个ndarray，通过ndarray创建Series对象，如代码清单6-1所示。

代码清单6-1 通过ndarray创建Series

importpandas aspd

importnumpy asnp

print( '通过ndarray创建的Series为：n',

pd.Series(np.arange( 5), index = [ 'a', 'b', 'c', 'd', 'e'], name = 'ndarray'))

输出：

通过ndarray创建的Series为：

a 0

b 1

c 2

d 3

e 4

Name: ndarray, dtype: int32

若数据存放于一个dict中，则可以通过dict创建Series，此时dict的键名(key)作为Series的索引，其值会作为Series的值，因此无须传入index参数。通过dict创建Series对象，如代码清单6-2所示。

代码清单6-2 通过dict创建Series

dit = { 'a': 0, 'b': 1, 'c': 2, 'd': 3, 'e': 4}

print( '通过dict创建的Series为：n', pd.Series(dit))

输出：

通过dict创建的Series为：

a 0

b 1

c 2

d 3

e 4

dtype: int64

通过list创建Series，类似于通过ndarray创建Series，如代码清单6-3所示。

代码清单6-3 通过list创建Series

list1 = [ 0, 1, 2, 3, 4]

print( '通过list创建的Series为：n', pd.Series(list1, index = [ 'a', 'b', 'c', 'd', 'e'], name = 'list'))

输出：

通过list创建的Series为：

a 0

b 1

c 2

d 3

e 4

Name: list, dtype: int64

Series拥有8个常用属性，如下所示。

values：以ndarray的格式返回Series对象的所有元素

index：返回Series对象的索引

dtype：返回Series对象的数据类型

shape：返回Series对象的形状

nbytes：返回Series对象的字节数

ndim：返回Series对象的维度

size：返回Series对象的个数

T：返回Series对象的转置

访问Series的属性，如代码清单6-4所示。

代码清单6-4 访问Series的属性

series = pd.Series(list1, index = [ 'a', 'b', 'c', 'd', 'e'], name = 'list')

print( '数组形式返回Series为：', series.values)

#输出：数组形式返回Series为： [0 1 2 3 4]

print( 'Series的Index为：', series.index)

#输出：Series的Index为：Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

print( 'Series的形状为：', series.shape)

#输出：Series的形状为： (5,)

print( 'Series的维度为：', series.ndim)

#输出：Series的维度为：1

2. 访问Series数据

索引与切片是Series最常用操作之一。通过索引位置访问Series的数据与ndarray相同，如代码清单6-5所示。

代码清单6-5 通过索引位置访问Series数据子集

print( 'Series位于第1位置的数据为：', series[ 0])

输出：

Series位于第 1位置的数据为： 0

相比ndarray，通过索引名称(标签)也可以访问Series数据，如代码清单6-6所示。

代码清单6-6 通过索引名称访问Series数据

print( 'Series中Index为a的数据为：', series[ 'a'])

输出：

Series中Index为a的数据为： 0

此外，也可通过bool类型的Series、list或array访问Series数据，如代码清单6-7所示。

代码清单6-7 通过bool数组访问Series数据

bool = (series < 4)

print( 'bool类型的Series为：n', bool)

输出：

bool类型的Series为：

a True

b True

c True

d True

e False

Name: list, dtype: bool

print( '通过bool数据访问Series结果为：n', series[bool])

输出：

通过bool数据访问Series结果为：

a 0

b 1

c 2

d 3

Name: list, dtype: int64

3. 更新、插入和删除

更新Series的方法十分简单，采用赋值的方式对指定索引标签(或位置)对应的数据进行修改即可，如代码清单6-8所示。

代码清单6-8 更新Series

# 更新元素

series[ 'a'] = 3

print( '更新后的Series为：n', series)

输出：

更新后的Series为：

a 3

b 1

c 2

d 3

e 4

Name: list, dtype: int64

类似list，通过append方法能够在原Series上插入(追加)新的Series。若只在原Series上插入单个值，则采用赋值方式即可，如代码清单6-9所示。

代码清单6-9 追加Series和插入单个值

series1 = pd.Series([ 4, 5], index = [ 'f', 'g'])

# 追加Series

print( '在series插入series1后为：n', series.append(series1))

输出：

在series插入series1后为：

a 3

b 1

c 2

d 3

e 4

f 4

g 5

dtype: int64

# 新增单个数据

series1[ 'h'] = 7

print( '在series1插入单个数据后为：n', series1)

输出：

在series1插入单个数据后为：

f 4

g 5

h 7

dtype: int64

一般使用drop方法删除Series元素，它接收被删除元素对应的索引，inplace=True表示对原Series起作用，如代码清单6-10所示。

代码清单6-10 删除Series元素

# 删除数据

series.drop( 'e', inplace = True)

print( '删除索引e对应数据后的series为：n', series)

输出：

删除索引e对应数据后的series为：

a 3

b 1

c 2

d 3

Name: list, dtype: int64

02 DataFrame

DataFrame是pandas基本数据结构，类似数据库中的表。DataFrame既有行索引，也有列索引，它可以看作Series组成的dict，每个Series看作DataFrame的一个列。

1. 创建DataFrame

DataFrame函数用于创建DataFrame对象，其基本语法格式如下。

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

DataFrame函数常用的参数及其说明如下所示。

data：接收ndarray，dict，list或DataFrame。表示输入数据。默认为None

index：接收Index，ndarray。表示索引。默认为None

columns：接收Index，ndarray。表示列标签(列名)。默认为None

创建DataFrame的方法有很多，常见的一种是传入一个由等长list或ndarray组成的dict。若没有传入columns参数，则传入的dict的键会被当作列名，如代码清单6-11所示。

代码清单6-11 通过dict创建DataFrame

dict1 = { 'col1': [ 0, 1, 2, 3, 4], 'col2': [ 5, 6, 7, 8, 9]}

print( '通过dict创建的DataFrame为：n', pd.DataFrame(dict1, index = [ 'a', 'b', 'c', 'd', 'e']))

输出：

通过dict创建的DataFrame为：

col1 col2

a 05

b 16

c 27

d 38

e 49

通过list或ndarray也可创建DataFrame，如代码清单6-12所示。

代码清单6-12 通过list创建DataFrame

list2 = [[ 0, 5], [ 1, 6], [ 2, 7], [ 3, 8], [ 4, 9]]

print( '通过list创建的DataFrame为：n',

pd.DataFrame(list2, index = [ 'a', 'b', 'c', 'd', 'e'], columns = [ 'col1', 'col2']))

输出：

通过list创建的DataFrame为：

col1 col2

a 05

b 16

c 27

d 38

e 49

由于DataFrame是二维数据结构，包含列索引(列名)，因此较Series有更多的属性。DataFrame常用的属性及其说明如下所示。

values：以ndarray的格式返回DataFrame对象的所有元素

index：返回DataFrame对象的Index

columns：返回DataFrame对象的列标签

dtypes：返回DataFrame对象的数据类型

axes：返回DataFrame对象的轴标签

ndim：返回DataFrame对象的轴尺寸数

size：返回DataFrame对象的个数

shape：返回DataFrame对象的形状

访问创建的DataFrame的常用属性，如代码清单6-13所示。

代码清单6-13 访问DataFrame的属性

df = pd.DataFrame({ 'col1': [ 0, 1, 2, 3, 4], 'col2': [ 5, 6, 7, 8, 9]},

index = [ 'a', 'b', 'c', 'd', 'e'])

print( 'DataFrame的Index为：', df.index)

#输出：DataFrame的Index为：Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

print( 'DataFrame的列标签为：', df.columns)

#输出：DataFrame的列标签为：Index(['col1', 'col2'], dtype='object')

print( 'DataFrame的轴标签为：', df.axes)

#输出：DataFrame的轴标签为： [Index(['a', 'b', 'c', 'd', 'e'], dtype='object'), Index(['col1', 'col2'], dtype='object')]

print( 'DataFrame的维度为：', df.ndim)

#输出：DataFrame的维度为：2

print( 'DataFrame的形状为：', df.shape)

#输出：DataFrame的形状为： (5, 2)

2. 访问DataFrame首尾数据

head和tail方法用于访问DataFrame前n行和后n行数据，默认返回5行数据，如代码清单6-14所示。

代码清单6-14 访问DataFrame前后n行数据

print( '默认返回前5行数据为：n', df.head)

输出：

默认返回前 5行数据为：

col1 col2

a 05

b 16

c 27

d 38

e 49

print( '返回后3行数据为：n', df.tail( 3))

输出：

返回后 3行数据为：

col1 col2

c 27

d 38

e 49

3. 更新、插入和删除

类似Series，更新DataFrame列也采用赋值的方法，对指定列赋值即可，如代码清单6-15所示。

代码清单6-15 更新DataFrame

# 更新列

df[ 'col1'] = [ 10, 11, 12, 13, 14]

print( '更新列后的DataFrame为：n', df)

输出：

更新列后的DataFrame为：

col1 col2

a 105

b 116

c 127

d 138

e 149

插入列也可以采用赋值方法，如代码清单6-16所示。

代码清单6-16 采用赋值的方法插入列

# 插入列

df[ 'col3'] = [ 15, 16, 17, 18, 19]

print( '插入列后的DataFrame为：n', df)

输出：

插入列后的DataFrame为：

col1 col2 col3

a 10515

b 11616

c 12717

d 13818

e 14919

删除列的方法有多种，如del、pop、drop等。常用的是drop方法，它可以删除行或者列，基本语法格式如下。

DataFrame.drop(labels, axis= 0, level= None, inplace= False, errors= 'raise')

drop方法常用的参数及其说明如下所示。

labels：接收string或array。表示删除的行或列的标签。无默认值

axis：接收0或1。表示执行操作的轴向，其中0表示删除行，1表示删除列。默认为0

levels：接收int或者索引名。表示索引级别。默认为None

inplace：接收bool。表示操作是否对原数据生效。默认为False

使用drop方法删除数据，如代码清单6-17所示。

代码清单6-17 使用drop方法删除数据

# 删除列

df.drop([ 'col3'], axis = 1, inplace = True)

print( '删除col3列后的DataFrame为：n', df)

输出：

删除col3列后的DataFrame为：

col1 col2

a 105

b 116

c 127

d 138

e 149

# 删除行

df.drop( 'a', axis = 0, inplace = True)

print( '删除a行后的DataFrame为：n', df)

输出：

删除a行后的DataFrame为：

col1 col2

b 116

c 127

d 138

e 149

03 Index

Index对象为其余pandas对象存储轴标签、管理轴标签和其他元数据(如轴名称)。创建Series或DataFrame等对象时，索引都会被转换为Index对象。主要Index对象及其说明如下所示。

Index：一般的Index对象

MultiIndex：层次化Index对象

DatetimeIndex：Timestamp索引对象

PeriodIndex：Period索引对象

1. 创建Index

Index对象可以通过pandas.Index函数创建，也可以通过创建数据对象Series、DataFrame时接收index(或column)参数创建，前者属于显式创建，后者属于隐式创建。隐式创建中，通过访问index(或针对DataFrame的column)属性即得到Index。创建的Index对象不可修改，保证了Index对象在各个数据结构之间的安全共享。Series的索引是一个Index对象。访问Series索引，如代码清单6-18所示。

代码清单6-18 访问Series索引

print( 'series的Index为 ：n', series.index)

输出：

series的Index为 ：

Index([ 'a', 'b', 'c', 'd'], dtype= 'object')

Index对象常用的属性及其说明如下所示。

is_monotonic：当各元素均大于前一个元素时，返回True

is_unique：当Index没有重复值时，返回True

访问Index属性，如代码清单6-19所示。

代码清单6-19 访问Index属性

print( 'series中Index各元素是否大于前一个：', series.index.is_monotonic)

#输出：series中Index各元素是否大于前一个：True

print( 'series中Index各元素是否唯一：', series.index.is_unique)

#输出：series中Index各元素是否唯一：True

2. 常用方法

Index对象的常用方法及其说明如下所示。

append：连接另一个Index对象，产生一个新的Index

difference：计算两个Index对象的差集，得到一个新的Index

intersection：计算两个Index对象的交集

union：计算两个Index对象的并集

isin：计算一个Index是否在另一个Index，返回bool数组

delete：删除指定Index的元素，并得到新的Index

drop：删除传入的值，并得到新的Index

insert：将元素插入到指定Index处，并得到新的Index

unique：计算Index中唯一值的数组

应用Index对象的常用方法如代码清单6-20所示。

代码清单6-20 应用Index对象的常用方法

index1 = series.index

index2 = series1.index

print( 'index1连接index2后结果为：n', index1.append(index2))

#输出：index1连接index2后结果为：

# Index(['a', 'b', 'c', 'd', 'f', 'g', 'h'], dtype='object')

print( 'index1与index2的差集为：', index1.difference(index2))

#输出：index1与index2的差集为：Index(['a', 'b', 'c', 'd'], dtype='object')

print( 'index1与index2的交集为：', index1.intersection(index2))

#输出：index1与index2的交集为：Index([], dtype='object')

print( 'index1与index2的并集为：n', index1.union(index2))

#输出：index1与index2的并集为：

# Index(['a', 'b', 'c', 'd', 'f', 'g', 'h'], dtype='object')

print( 'index1中的元素是否在index2中：', index1.isin(index2))

#输出：index1中的元素是否在index2中： [False False False False]

本文摘编自《Python3智能数据分析快速入门》，经出版方授权发布。返回搜狐，查看更多

责任编辑：