Pandas詳細2のDataFrameオブジェクト

に約束

import pandas as pd
from pandas import DataFrame
import numpy as np

DataFrame
DataFrameはテーブル型のデータ構造で、行インデックス(indexに保存)と列インデックス(columnsに保存)があります.
一、DataFrameオブジェクトの共通属性:

DateFrameを作成する方法はたくさんあります(後述します).最も一般的なのは、等長リストまたはNumpyからなる辞書を直接入力することです.

dict1={"Province":["Guangdong","Beijing","Qinghai","Fujiang"],
      "year":[2018]*4,
      "pop":[1.3,2.5,1.1,0.7]}
df1=DataFrame(dict1)
df1

コード結果:
Province
pop
year
0
Guangdong
1.3
2018
1
Beijing
2.5
2018
2
Qinghai
1.1
2018
3
Fujiang
0.7
2018

Seriesと同様に、作成時にシーケンスを指定することもできます(辞書に欠落しているNaNの場合):

df2=DataFrame(dict1,columns=['year','Province','pop','debt'],index=['one','two','three','four'])
df2

コード結果:
year
Province
pop
debt
one
2018
Guangdong
1.3
NaN
two
2018
Beijing
2.5
NaN
three
2018
Qinghai
1.1
NaN
four
2018
Fujiang
0.7
NaN

Seriesと同様に、DataFrameのindexとcolumnsにはname属性があります:

df2

コード結果:
year
Province
pop
debt
one
2018
Guangdong
1.3
NaN
two
2018
Beijing
2.5
NaN
three
2018
Qinghai
1.1
NaN
four
2018
Fujiang
0.7
NaN

df2.index.name='English'
df2.columns.name='Province'
df2

コード結果:
Province
year
Province
pop
debt
English
one
2018
Guangdong
1.3
NaN
two
2018
Beijing
2.5
NaN
three
2018
Qinghai
1.1
NaN
four
2018
Fujiang
0.7
NaN

shape属性で取得するDataFrameの行数と列数:

df2.shape

コード結果:

(4, 4)

valuesプロパティは、DataFrameのデータ:

を2次元ndarrayで返します.

df2.values

コード結果:

array([[2018, 'Guangdong', 1.3, nan],
       [2018, 'Beijing', 2.5, nan],
       [2018, 'Qinghai', 1.1, nan],
       [2018, 'Fujiang', 0.7, nan]], dtype=object)

カラムインデックスは、DataFrameオブジェクトのプロパティとして使用されます:

df2.Province

コード結果:

English
one      Guangdong
two        Beijing
three      Qinghai
four       Fujiang
Name: Province, dtype: object

二、DataFrameオブジェクトの一般的なアクセス、割り当て、削除方法:

DataFrame_object[]はカラムインデックスでアクセスでき、ラベルが1つしかない場合Series、複数の場合DataFrame:

を返します.

df2['Province']

コード結果:English one Guangdong two Beijing three Qinghai four Fujiang Name:Province,dtype:object

df2[['Province','pop']]

コード結果:
Province
Province
pop
English
one
Guangdong
1.3
two
Beijing
2.5
three
Qinghai
1.1
four
Fujiang
0.7

DataFrame_object.loc[]指定した行を行インデックスで取得できます:

df2.loc['one']

コード結果:

Province
year             2018
Province    Guangdong
pop               1.3
debt              NaN
Name: one, dtype: object

df2.loc['one':'three']

コード結果:
Province
year
Province
pop
debt
English
one
2018
Guangdong
1.3
NaN
two
2018
Beijing
2.5
NaN
three
2018
Qinghai
1.1
NaN

はまた、単一値:

を取得することができる.

df2.loc['one','Province']

コード結果:

'Guangdong'

DataFrameの列は、値(値または値のセット)を割り当てることによって変更できます:

.

df2["debt"]=np.arange(2,3,0.25)
df2

コード結果:
Province
year
Province
pop
debt
English
one
2018
Guangdong
1.3
2.00
two
2018
Beijing
2.5
2.25
three
2018
Qinghai
1.1
2.50
four
2018
Fujiang
0.7
2.75

存在しないカラムに値を割り当てると、delで削除できる新しいカラムが作成されます:

df2['eastern']=df2.Province=='Guangdong'
df2

コード結果:
Province
year
Province
pop
debt
eastern
English
one
2018
Guangdong
1.3
2.00
True
two
2018
Beijing
2.5
2.25
False
three
2018
Qinghai
1.1
2.50
False
four
2018
Fujiang
0.7
2.75
False

del df2['eastern']
df2.columns

コード結果:

Index(['year', 'Province', 'pop', 'debt'], dtype='object', name='Province')

もちろん、転置も可能:

df2.T

English
one
two
three
four
Province
year
2018
2018
2018
2018
Province
Guangdong
Beijing
Qinghai
Fujiang
pop
1.3
2.5
1.1
0.7
debt
2
2.25
2.5
2.75
三、複数種類のDataFrameの作成方法

DataFrame()を呼び出すと、複数のフォーマットのデータをDataFrameオブジェクトに変換できます.3つのパラメータdata、index、columnsは、それぞれデータ、行インデックス、列インデックスです.dataは、

であってもよい
1 D配列

df3=pd.DataFrame(np.random.randint(0,10,(4,4)),index=[1,2,3,4],columns=['A','B','C','D'])
df3

コード結果:
A
B
C
D
1
9
8
4
6
2
5
7
7
4
3
6
3
0
2
4
4
6
9
8
2辞書
行インデックスはindexで決定され、列インデックスは辞書のキーで決定されます.

dict1

コード結果:

{'Province': ['Guangdong', 'Beijing', 'Qinghai', 'Fujiang'],
 'pop': [1.3, 2.5, 1.1, 0.7],
 'year': [2018, 2018, 2018, 2018]}

df4=pd.DataFrame(dict1,index=[1,2,3,4])
df4

コード結果:
Province
pop
year
1
Guangdong
1.3
2018
2
Beijing
2.5
2018
3
Qinghai
1.1
2018
4
Fujiang
0.7
2018
3構造配列
カラムインデックスは、構造配列のフィールド名によって決定されます.

arr=np.array([('item1',10),('item2',20),('item3',30),('item4',40)],dtype=[("name","10S"),("count",int)])
df5=pd.DataFrame(arr)
df5

コード結果:
name
count
0
b’item1’
10
1
b’item2’
20
2
b’item3’
30
3
b’item4’
40

さらにfrom_を呼び出すことができる先頭のクラスメソッドで、特定のデータをDataFrameオブジェクトに変換します.例えばfrom_dict()は、そのorientパラメータが辞書キーに対応する方向を指定し、デフォルトは「columns」:

dict2={"a":[1,2,3],"b":[4,5,6]}
df6=pd.DataFrame.from_dict(dict2)
df6

コード結果:
a
b
0
1
4
1
2
5
2
3
6

df7=pd.DataFrame.from_dict(dict2,orient="index")
df7

コード結果:
0
1
2
a
1
2
3
b
4
5
6
四、DataFrameオブジェクトを別の形式のデータに変換する

to_dict()メソッドはDataFrameオブジェクトを辞書に変換し、パラメータorientは辞書要素のタイプを決定します:

df7.to_dict()

コード結果:

{0: {'a': 1, 'b': 4}, 1: {'a': 2, 'b': 5}, 2: {'a': 3, 'b': 6}}

df7.to_dict(orient="records")

コード結果:

[{0: 1, 1: 2, 2: 3}, {0: 4, 1: 5, 2: 6}]

df7.to_dict(orient="list")

コード結果:

{0: [1, 4], 1: [2, 5], 2: [3, 6]}

に似ているのはto_ですrecords()、to_csv()等

皆さんの閲覧に感謝して、私の努力があなたを助けることができることを望んで、共に努力します!