本文是基于Windows系统环境，学习和测试DataFrame模块：
成都创新互联-专业网站定制、快速模板网站建设、高性价比泌阳网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式泌阳网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖泌阳地区。费用合理售后完善，十余年实体公司更值得信赖。
Windows 10
PyCharm 2018.3.5 for Windows (exe)
python 3.6.8 Windows x86 executable installer
1. 初始化DataFrame
创建一个空的DataFrame变量
import pandas as pd
import numpy as np
data = pd.DataFrame()
print(np.shape(data)) # (0,0)
通过字典创建一个DataFrame
import pandas as pd
import numpy as np
dict_a = {'name': ['xu', 'wang'], 'gender': ['male', 'female']}
data = pd.DataFrame(dict_a)
print(np.shape(data)) # (2,2)
print(data)
# data =
# name gender
# 0 xu male
# 1 wang female
通过numpy.array创建一个DataFrame
import pandas as pd
import numpy as np
mat = np.random.randn(3,4)
df = pd.DataFrame(mat)
df.columns = ['a','b','c','d']
print(df)
一个DataFrame转成numpy.array
import pandas as pd
import numpy as np
mat = np.random.randn(3,4)
df = pd.DataFrame(mat)
df.columns = ['a','b','c','d']
print(df)
n = np.array(df)
print(n)
DataFrame增加一列数据
import pandas as pd
import numpy as np
data = pd.DataFrame()
data['ID'] = range(0,10)
print(np.shape(data)) # (10,1)
DataFrame增加一列数据，且值相同
import pandas as pd
import numpy as np
dict_a = {'name': ['xu', 'wang'], 'gender': ['male', 'female']}
data = pd.DataFrame(dict_a)
data['country'] = 'China'
print(data)
# data =
# name gender country
# 0 xu male China
# 1 wang female China
DataFrame删除重复的数据行
import pandas as pd
norepeat_df = df.drop_duplicates(subset=['A_ID', 'B_ID'], keep='first')
# norepeat_df = df.drop_duplicates(subset=[1, 2], keep='first')
# keep=False时，就是去掉所有的重复行
# keep=‘first'时，就是保留第一次出现的重复行
# keep='last'时就是保留最后一次出现的重复行。
2. 基本操作
去除某一列两端的指定字符
import pandas as pd
dict_a = {'name': ['.xu', 'wang'], 'gender': ['male', 'female.']}
data = pd.DataFrame(dict_a)
print(data)
# data =
# name gender
# 0 .xu male
# 1 wang female.
data['name'] = data['name'].str.strip('.') # 删除'.'
# data['name'] = data['name'].str.strip() # 删除空格
print(data)
# data =
# name gender
# 0 xu male
# 1 wang female.
重新调整index的值
import pandas as pd
data = pd.DataFrame()
data['ID'] = range(0,3)
# data =
# ID
# 0 0
# 1 1
# 2 2
data.index = range(1,len(data) + 1)
# data =
# ID
# 1 0
# 2 1
# 3 2
调整DataFrame列顺序
import pandas as pd
data = pd.DataFrame()
print(data)
# data =
# ID name
# 0 0 xu
# 1 1 wang
# 2 2 li
data = data[['name','ID']]
# data =
# name ID
# 0 xu 0
# 1 wang 1
# 2 li 2无锡人流医院 http://www.bhnfkyy.com/
获取DataFrame的列名
import pandas as pd
data = pd.DataFrame()
print(data)
# data =
# ID name
# 0 0 xu
# 1 1 wang
# 2 2 li
print(data.columns.values.tolist())
# ['ID', 'name']
获取DataFrame的行名
import pandas as pd
data = pd.DataFrame()
print(data)
# data =
# ID name
# 0 0 xu
# 1 1 wang
# 2 2 li
print(data._stat_axis.values.tolist())
# [0, 1, 2]
3. 读写操作
将csv文件读入DataFrame数据
read_csv()函数的参数配置参考官网pandas.read_csv
import pandas as pd
data = pd.read_csv('user.csv')
print (data)
将DataFrame数据写入csv文件
to_csv()函数的参数配置参考官网pandas.DataFrame.to_csv
import pandas as pd
data = pd.read_csv('test1.csv')
data.to_csv("test2.csv",index=False, header=True)
4. 异常处理
过滤所有包含NaN的行
dropna()函数的参数配置参考官网pandas.DataFrame.dropna
from numpy import nan as NaN
import pandas as pd
data = pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]])
print (data)
# data =
# 1 2 3
# NaN NaN 2
# NaN NaN NaN
# 8 8 NaN
data = data.dropna()
# DataFrame.dropna(axis=0, how='any', thresh=None, subset=None,
inplace=False)
# axis: 0 or 'index'表示去除行 1 or 'columns'表示去除列
# how: 'any'表示行或列只要含有NaN就去除，'all'表示行或列全都含有NaN才去除
# thresh: 整数n，表示每行或列中至少有n个元素补位NaN，否则去除
# subset: ['name', 'gender'] 在子集中去除NaN值，子集也可以index，但是要配合axis=1
# inplace: 如何为True，则执行操作，然后返回None
print(data)
# data =
# 1 2 3
另外有需要云服务器可以了解下创新互联cdcxhl.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
当前名称：Python中的DataFrame模块学习-创新互联
网站链接：
http://www.cdkjz.cn/article/psiid.html
