pandas之关于DataFrame数据类型超好用的方法

参考资料：pandas官方参考文档

本文详细介绍了pandas中关于DataFrame数据类型的常用函数及其使用方法，结合了pandas给出的官方文档，佐以简单示例，万字长文助您一文搞定DataFrame相关的api调用问题。

在使用pandas包中的函数时默认已经执行语句import pandas as pd和import numpy as np以调用pandas包和numpy包。

DataFrame数据类型

DataFrame是在python中独有的一种数据类型，它是一种二维的、大小可变的、有潜在异构的表格型数据。

Constructor构造

DataFrame([data, index, columns,dtype, copy])

Attributes属性

这里只介绍常用的api，如需了解其它的，请参考文章顶部参考链接。

Axes轴函数

• df.index：返回行标签；
• df.columns：返回列标签；注意这两处都没有括号，且列标签要求有s；
• df.dtypes：返回df的dtypes；
• df.info(): 返回对于df的信息概述，如：

df.values：返回二维np数组的形式的df，如：

df.size：求出df中的元素数量，如上图df的size即为4；

df.shape：以元组的形式返回df的形状，如下图中data的形状即为4909行，16列；

conversion转换函数

1.DataFrame.astype(dtype[, copy, errors])

作用：将一个df转换成指定的类型；

格式：df.astype('int32')

示例：

注意：不通过赋值不会存储转换结果，即执行完df.astype(‘int8’)之后如果直接执行df.dtypes返回的结果仍是int64；

2.DataFrame.convert_dtypes([infer_objects, …])

作用：将df中的列自动转换成最可能适配的类型，并且使用的dtype都是支持pd.NA的；即把用户自定义的类型转换成python语言中最适配的数据类型，并把np.nan转换为pd.NA；

即把用户自定义的类型转换成python语言中最适配的数据类型，并把np.nan转换为pd.NA；

3.DataFrame.infer_objects()

作用：尝试为列类型为object的列推断更好的数据类型；

与convert_dtypes()的区别：infer_objects()只针对类型为object的列，而convert_dtypes()针对所有的列；

4.DataFrame.copy([deep])

作用：复制一个df；

格式：df_new = df.copy()

示例：

Indexing, iteration索引、遍历函数

1.df.head([n])

作用：返回前n行数据，默认为5

2.df.at

作用：按标签返回行列对的单个值

格式：df.at[row_label, col_label]

示例：

3.df.iat

作用：按索引返回行列对的单个值

示例：

4.df.loc

作用：通过标签或布尔数组访问一行或多行或一行列对（不是只能行列对哦！）

格式：df.loc[row_label]或df.loc[row_label, col_label]或df.loc[[row1_label, row2_label,...]]

注意：不能取一列数据

示例：

5.df.iloc

作用：通过索引或布尔数组访问一行或多行或一行列对（不是只能行列对哦！）

格式：df.iloc[row_label]或df.loc[row_label, col_label]或df.loc[[row1_label, row2_label,...]]

注意：不能取一列数据

DataFrame的构造转换函数：pd.DataFrame()

作用：将data转换成dataframe的数据类型；

格式：

pd.DataFrame(data = None, index = None, columns = None, dtype = None, copy = None)

参数：

• data：需要转换位dataframe格式的原数据
• index：行标签列表
• columns：列标签列表
• dtype：数据类型列表

示例：

DataFrame的聚合函数、应用函数

df.apply() 或 df.applymap()

作用：对于df执行某函数 或 对df的所有元素执行某函数

格式：

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs)
df.applymap(func[, na_action])

参数： 

func：欲施加给某行或者某列的函数 

axis：{0 or ‘index’, 1 or ‘columns’}, default 0即为对列实施函数

• 0 or ‘index’: 对某列（的每行）实施函数
• 1 or ‘columns’: 对某行中（的每列）实施函数

raw：一个布尔值, default False，决定了一行或列的数据类型是以series还是ndarray object的形式传入函数

• False : 以series为数据类型传入参数
• True : 以ndarray objects为数据类型传入参数，如果函数是基于numpy包实现的时候有更好的表现

示例：

np自带的函数：

lambda函数：

df.aggregate()或df.agg()

作用: 对所有行或所有列做一项或多项聚合操作（两种形式的函数效果一模一样）；

格式：

DataFrame.aggregate(func=None, axis=0, *args, **kwargs)

示例：

df.transform()

作用：对df每个元素调用函数；

与df.apply()的区别：在调用一个普通函数的时候没有区别，调用聚合函数时有区别，调用多个函数时也有区别。（个人理解transform只能对每个元素都进行操作，选择axis参数的意义不大）

格式：

DataFrame.transform(func, axis=0, *args, **kwargs)

示例：

只调用一个函数：

同时调用多个lambda函数：

transform只显示最后一个lambda函数的执行结果，而apply会把每个执行结果都显示出来；同时调用多个聚合函数：（部分函数只能使用apply函数）

np.mean, np.sum等只能用apply ：

np.sqrt, np.exp等两种函数都能使用：

sum等聚合函数在df.transform中要与groupby配合使用：

而df.transform(‘sum’)和df.transform(np.sum)都将报错；

总结：对于df执行函数时的情况复杂，如果不是对普通函数建议直接使用apply()，使用聚合函数时考虑实际情况选择需要调用的api。（需要groupby分区时用transform())

df.groupby()

作用：在对数据做聚合操作前给数据分组

格式：

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True,  observed=False, dropna=True)

主要参数： 

by：mapping, function, label, or list of labels

用于确定 groupby 的组：

• 如果 by 是一个函数，它会在对象索引的每个值上调用。
• 如果传递了 dict 或 Series，则 Series 或 dict VALUES 将用于确定分组规则。
• 如果传递了 ndarray，则按原样使用这些值来确定组。
• 标签或标签列表可以通过 self 中的列传递给 group。
• 请注意，元组被解释为（单个）键。

axis：{0 or ‘index’, 1 or ‘columns’}, default 0

与其余函数的规则一致；

as_index：bool, default True

对于聚合输出，返回带有组标签的对象作为索引。 仅与 DataFrame 输入相关。 as_index=False 是有效的“SQL 风格”分组输出。

sort：bool, default True

对组键进行排序。 关闭此功能可获得更好的性能。 请注意，这不会影响每个组内的观察顺序。 Groupby 保留每个组中行的顺序。

group_keys：bool, default True

调用apply时，将组键添加到索引以识别片段。

dropna：bool, default True

如果为 True，并且组键包含 NA 值，则 NA 值和行/列将被删除。 如果为 False，NA 值也将被视为组中的键。

示例：

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

最新评论