pandas.DataFrame學習系列1——定義及屬性

定義：

DataFrame是二維的、大小可變的、成分混合的、具有標簽化坐標軸（行和列）的表數據結構。基於行和列標簽進行計算。可以被看作是為序列對象（Series）提供的類似字典的一個容器，是pandas中主要的數據結構。

形式：

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

參數含義：

data : numpy ndarray（多維數組）（結構化或同質化的）, dict（字典）, or DataFrame（數據表）如果是字典類型，該字典可以包含序列，數組，常量或類列表型對象

index : Index or array-like 索引或數組類型，如果輸入數據中沒有索引信息以及沒有提供索引時默認賦值為arange(n)即從0開始的等差數組

columns : Index or array-like 索引或數組類型，沒有提供列標簽時默認賦值為0開始的等差數組

dtype : dtype, default None 數據類型，默認為空。只允許有一種數據類型，如果為空，自動推斷類型

copy : boolean, default False 布爾類型，默認為False。從輸入值中拷貝數據，只對輸入為DataFrame或者二維數組時有影響

其他構建DataFrame類型的方法：

classmethod DataFrame.from_records(data, index=None, exclude=None, columns=None, coerce_float=False, nrows=None)[source]

classmethod DataFrame.from_dict(data, orient='columns', dtype=None)

pandas.read_csv, pandas.read_table, pandas.read_clipboard,pandas.read_excel等

 舉例：

從字典構建DataFrame
>>> d = {'col1': [1, 2], 'col2': [3, 4]}
>>> df = pd.DataFrame(data=d)
>>> df
   col1  col2
0     1     3
1     2     4

推斷類型為int64
>>> df.dtypes
col1    int64
col2    int64
dtype: object

強制設置為單一類型
>>> df = pd.DataFrame(data=d, dtype=np.int8)
>>> df.dtypes
col1    int8
col2    int8
dtype: object

從numpy多維數組類型構建DataFrame
>>> df2 = pd.DataFrame(np.random.randint(low=0, high=10, size=(5, 5)),
...                    columns=['a', 'b', 'c', 'd', 'e'])
>>> df2
    a   b   c   d   e
0   2   8   8   3   4
1   4   2   9   0   9
2   1   0   7   8   0
3   5   1   7   1   3
4   6   0   2   4   2

屬性：

獲取和創建DataFrame

import pandas as pd
import numpy as np
 
df=pd.read_excel('南京銀行.xlsx',index_col='Date')
df1=df[:5]

In [38]:df1.head()
Out[38]: 
         Open  High   Low  Close  Turnover    Volume
Date                                                   
2017-09-15  8.06  8.08  8.03   8.04    195.43  24272800
2017-09-18  8.05  8.13  8.03   8.06    200.76  24867600
2017-09-19  8.03  8.06  7.94   8.00    433.76  54253100
2017-09-20  7.97  8.06  7.95   8.03    319.94  39909700
2017-09-21  8.02  8.10  7.99   8.04    241.94  30056600

--轉置，轉置以后DataFrame的index屬性值為None

In [39]:  df1.T
Out[39]: 
Date       2017-09-15   2017-09-18   2017-09-19   2017-09-20   2017-09-21
Open             8.06         8.05         8.03         7.97         8.02
High             8.08         8.13         8.06         8.06         8.10
Low              8.03         8.03         7.94         7.95         7.99
Close            8.04         8.06         8.00         8.03         8.04
Turnover       195.43       200.76       433.76       319.94       241.94
Volume    24272800.00  24867600.00  54253100.00  39909700.00  30056600.00

--基於標簽快速訪問

In [35]:  date=pd.to_datetime('2017-09-15')
In [36]:  date
Out[36]: Timestamp('2017-09-15 00:00:00')
In [37]:  df1.at[date,'Open']
Out[37]: 8.0600000000000005

--獲取行軸和列軸標簽名

In [44]: df1.axes
Out[44]: 
[DatetimeIndex(['2017-09-15', '2017-09-18', '2017-09-19', '2017-09-20',
                '2017-09-21'], dtype='datetime64[ns]', name='Date', freq=None),
 Index(['Open', 'High', 'Low', 'Close', 'Turnover', 'Volume'], dtype='object')]

 --內置屬性

In[45]: df1.blocks
Out[45]: 
{'float64':     Open  High   Low  Close  Turnover
 Date                                         
 2017-09-15  8.06  8.08  8.03   8.04    195.43
 2017-09-18  8.05  8.13  8.03   8.06    200.76
 2017-09-19  8.03  8.06  7.94   8.00    433.76
 2017-09-20  7.97  8.06  7.95   8.03    319.94
 2017-09-21  8.02  8.10  7.99   8.04    241.94,
 'int64':               Volume
 Date                
 2017-09-15  24272800
 2017-09-18  24867600
 2017-09-19  54253100
 2017-09-20  39909700
 2017-09-21  30056600}

--各列數據類型

In[46]:  df1.dtypes
Out[46]: 
Open        float64
High        float64
Low         float64
Close       float64
Turnover    float64
Volume        int64
dtype: object

 --判斷DataFrame是否完全為空

In [47]: df1.empty
Out[47]: False

--返回稀疏或密集的標示及數據類型

In[48]:  df1.ftypes
Out[48]: 
Open        float64:dense
High        float64:dense
Low         float64:dense
Close       float64:dense
Turnover    float64:dense
Volume        int64:dense
dtype: object

--快速整數標量定位（到具體元素，相當於給出坐標）

In[49]:  df1.iat[0,1] #第1行，第2列
Out[49]: 8.0800000000000001

In[50]:  df1.iat[1,0] #第2行，第1列
Out[50]: 8.0500000000000007

 --用於位置選擇的基於整數定位的索引（切片）

In [2]:  df1.iloc[0:1]
Out[2]: 
            Open  High   Low  Close  Turnover    Volume
Date                                                   
2017-09-15  8.06  8.08  8.03   8.04    195.43  24272800

In [3]:  df1.iloc[0:1,2:]
Out[3]: 
             Low  Close  Turnover    Volume
Date                                       
2017-09-15  8.03   8.04    195.43  24272800

--混合方式定位（基於整數位置或標簽名以及它們的組合，可以只用行標簽，但是不能只用列標簽）

In [6]:  df1.ix[1,'Open']
Out[6]: 8.0500000000000007

In [7]:  df1.ix[1]
Out[7]: 
Open               8.05
High               8.13
Low                8.03
Close              8.06
Turnover         200.76
Volume      24867600.00
Name: 2017-09-18 00:00:00, dtype: float64

--選擇位置的基於標簽名的索引

In[7]:  df1.loc[date,'Low']
Out[7]: 8.0299999999999994

In [8]: df1.loc[df1.index[0],'Low']
Out[8]: 8.0299999999999994

--坐標軸個數

In [10]: df1.ndim
Out[10]: 2

--DataFrame的形狀（行列數）

In [11]:  df1.shape
Out[11]: (5, 6)

--DataFrame的大小（元素個數）

In [12]:  df1.size
Out[12]: 30

--返回DataFrame樣式對象

In [13]:  df1.style
Out[13]: <pandas.io.formats.style.Styler at 0x1c410cf8eb8>

--返回DataFrame里的數值（二維數組）

In [14]: df1.values
Out[14]: 
array([[  8.06000000e+00,   8.08000000e+00,   8.03000000e+00,
          8.04000000e+00,   1.95430000e+02,   2.42728000e+07],
       [  8.05000000e+00,   8.13000000e+00,   8.03000000e+00,
          8.06000000e+00,   2.00760000e+02,   2.48676000e+07],
       [  8.03000000e+00,   8.06000000e+00,   7.94000000e+00,
          8.00000000e+00,   4.33760000e+02,   5.42531000e+07],
       [  7.97000000e+00,   8.06000000e+00,   7.95000000e+00,
          8.03000000e+00,   3.19940000e+02,   3.99097000e+07],
       [  8.02000000e+00,   8.10000000e+00,   7.99000000e+00,
          8.04000000e+00,   2.41940000e+02,   3.00566000e+07]])

以上為DataFrame的主要屬性，后面繼續介紹DataFrame的方法。