Python 中的 DataFrame 对象该怎么理解？

DataFrame 是 Pandas 库中的一个核心数据结构，用于处理和分析结构化数据。Pandas 是一个强大的数据分析工具，它提供了高性能、易用的数据结构和数据分析工具，使得用户可以轻松地进行数据清理、转换、分析和可视化。DataFrame 的概念类似于电子表格，它是一个二维表格，可以存储不同类型的数据，并提供了各种功能来处理这些数据。

1. DataFrame 的创建

首先，让我们了解如何创建一个 DataFrame。Pandas 提供了多种方法来创建 DataFrame，其中最常用的是使用字典或 NumPy 数组。

1.1 使用字典创建 DataFrame

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'City': ['New York', 'San Francisco', 'Los Angeles']}

df = pd.DataFrame(data)

这样就创建了一个简单的 DataFrame。字典中的每一对键值对代表 DataFrame 中的一列，而对应的值则是该列的数据。这里的 DataFrame 就有三列：'Name'、'Age'、'City'。

1.2 使用 NumPy 数组创建 DataFrame

import pandas as pd
import numpy as np

data = np.array([[1, 'Alice', 25],
                 [2, 'Bob', 30],
                 [3, 'Charlie', 35]])

df = pd.DataFrame(data, columns=['ID', 'Name', 'Age'])

这里，NumPy 数组的每一行代表 DataFrame 中的一行，而列名则通过 columns 参数指定。

2. DataFrame 的基本属性和操作

2.1 基本属性

DataFrame 提供了许多属性，使用户能够轻松地获取有关数据的信息。一些常用的属性包括：

• shape: 返回 DataFrame 的行数和列数。
• columns: 返回 DataFrame 的列名。
• index: 返回 DataFrame 的索引。

print(df.shape)    # 输出 (3, 3)
print(df.columns)  # 输出 Index(['ID', 'Name', 'Age'], dtype='object')
print(df.index)    # 输出 RangeIndex(start=0, stop=3, step=1)

2.2 数据的访问和修改

可以使用列名或行索引来访问 DataFrame 中的数据。通过列名访问列数据：

names = df['Name']

通过行索引访问行数据：

row = df.loc[0]

要修改数据，可以直接对元素进行赋值：

df.loc[0, 'Age'] = 26

2.3 数据的筛选和过滤

使用条件语句可以轻松地对 DataFrame 进行筛选和过滤：

young_people = df[df['Age'] < 30]

这样就得到了年龄小于 30 岁的行。

3. 数据处理和操作

3.1 缺失值处理

Pandas 提供了多种方法来处理缺失值，例如使用 dropna() 删除包含缺失值的行，或使用 fillna() 填充缺失值。

df.dropna()          # 删除包含缺失值的行
df.fillna(value=0)   # 将缺失值填充为指定值

3.2 数据排序和排名

可以使用 sort_values() 方法对 DataFrame 进行排序：

df.sort_values(by='Age', ascending=False)

使用 rank() 方法进行排名：

df['Rank'] = df['Age'].rank(ascending=False)

3.3 数据聚合和分组

Pandas 提供了强大的分组和聚合功能，可以使用 groupby() 方法按列对数据进行分组，然后应用各种聚合函数。

grouped = df.groupby('City')
average_age = grouped['Age'].mean()

4. 数据可视化

Pandas 结合 Matplotlib 和 Seaborn 等可视化库，可以轻松地生成各种图表，从简单的折线图到复杂的热力图。

import matplotlib.pyplot as plt
import seaborn as sns

sns.barplot(x='City', y='Age', data=df)
plt.show()

DataFrame 是 Pandas 中最重要的数据结构之一，它为数据科学家和分析师提供了强大的工具来处理和分析结构化数据。通过 DataFrame，用户可以方便地进行数据的导入、清理、转换、分析和可视化，使得数据分析工作变得更加高效和灵活。掌握 DataFrame 的基本操作和功能，是进行数据分析和挖掘的基础，也是成为一名优秀的数据科学家的关键一步。

黑马程序员python教程，8天python从入门到精通，学python看这套就够了