Pandas入门篇（二）-------Dataframe篇1（Dataframe基础知识以及单个Dataframe的处理）（机器学习前置技术栈）

概述

Dataframe是pandas库中的一个核心数据结构，用于存储和操作表格型数据。它是一个二维的、大小可变的、可以存储多种类型数据的表格型数据结构，类似于Excel中的表格或SQL中的表。Dataframe的每一列可以有不同的数据类型（如数值、字符串、布尔值等），而且行和列都有标签，这些标签可以作为数据的索引，方便用户进行数据的访问和操作。

Dataframe不仅提供了丰富的数据操作和分析功能，如数据排序、分组、聚合、合并等，还支持与其他数据结构的互操作性，如可以轻松地将Dataframe转换为NumPy数组、Python字典或SQL表等。这使得Dataframe成为数据科学、机器学习、统计分析等领域中不可或缺的工具。

总的来说，Dataframe是一个强大而灵活的数据结构，能够帮助用户高效地处理和分析大量数据，并以直观的方式展示结果。无论是数据清洗、转换还是统计分析，Dataframe都能提供便捷和强大的支持。

一、Dataframe 属性

首先我们先创建一个Dataframe

# 导入数据（以下代码均在jupyter notebook中运行）
import pandas as pd
data = pd.read_csv('/export/data/pandas_data/gapminder.tsv',sep= '\t')
# 查看数据
data

运行结果：

1. values：将DataFrame转换为NumPy数组的属性。

这个属性可以将DataFrame中的数据提取出来，转换为NumPy数组格式，方便进行数值计算和其他操作。

# 访问属性  
  
# 将DataFrame转换为NumPy数组  
values_array = data.values  
print("values:\n", values_array)  

运行结果：

2. axes：返回一个表示DataFrame轴的列表。

这通常包括行索引和列索引。
代码实现：

# 返回DataFrame的轴  
axes_list = data.axes  
print("axes:\n", axes_list)  

运行结果：

3. columns：返回DataFrame的列标签。

这是一个Index对象，包含了所有列的名称。
代码实现：

# 返回列标签  
columns_index = data.columns  
print("columns:\n", columns_index)  

运行结果：

4. dtypes：返回DataFrame中的数据类型。

这是一个Series，其索引是列，值是对应列的数据类型。
代码实现：

# 返回数据类型  
dtypes_series = data.dtypes  
print("dtypes:\n", dtypes_series)  

运行结果：

5. empty：返回一个布尔值，表示DataFrame是否为空（即是否包含任何数据）。

代码实现：

# 检查DataFrame是否为空  
is_empty = data.empty  
print("empty:", is_empty)  

运行结果：

6. index：返回DataFrame的行标签（索引）。

这也是一个Index对象。start为索引开始，stop为结束，step为步长
代码实现：

# 返回行标签（索引）  
index_obj = data.index  
print("index:\n", index_obj)  

运行结果：

7. ndim：返回一个表示轴数（即数组的维数）的整数。

对于DataFrame，这通常是2，因为它是一个二维结构。
代码实现：

# 返回轴数  
ndim_int = data.ndim  
print("ndim:", ndim_int)  

运行结果：

8. shape：返回一个表示DataFrame维数的元组。

例如，对于一个有m行和n列的DataFrame，shape将是(m, n)。
代码实现：

# 返回维数  
shape_tuple = data.shape  
print("shape:", shape_tuple)  

运行结果：

9. size：返回一个整数，表示此对象中元素的数量。

这等于DataFrame的行数乘以列数。（代码见下方）

代码实现：

# 返回元素数量  
size_int = data.size  
print("size:", size_int)  

运行结果：

二、Dataframe 创建

在pandas库中，创建Dataframe有多种方式。以下是几种常见的创建Dataframe的方法：

1. 从字典创建

使用字典来创建Dataframe是最常见的方法之一。字典的键将被用作列名，而字典的值（通常是列表或NumPy数组）将构成相应的列数据。

import pandas as pd  
  
data = {
   
     
    'Name': ['Alice', 'Bob', 'Charlie'],  
    'Age': [25, 32, 18],  
    'City': ['New York', 'Paris', 'London']  
}  
  
df = pd.DataFrame(data)  
print(df)

运行结果：

2. 从列表的列表创建

如果你有一个列表的列表，其中内部列表表示行，那么也可以很容易地创建Dataframe。

data = [  
    ['Alice', 25, 'New York'],  
    ['Bob', 32, 'Paris'],  
    ['Charlie', 18, 'London']  
]  
  
# 列表的列表需要配合列名一起使用  
df = pd.DataFrame(data, columns=['Name', 'Age', 'City'])  
print(df)

运行结果

3. 从NumPy数组创建

如果你已经有NumPy数组，并且希望将它们转换为Dataframe，你可以这样做。

import numpy as np  
  
# 创建一个NumPy数组  
data = np.array([  
    ['Alice', 25, 'New York'],  
    ['Bob', 32, 'Paris'],  
    ['Charlie', 18, 'London']  
])  
  
# NumPy数组也需要配合列名一起使用  
df = pd.DataFrame(data, columns=['Name', 'Age', 'City'])  
print(df)

运行结果：

4. 从Series对象创建

你还可以使用pandas的Series对象来创建Dataframe。

# 创建几个Series对象