玩轉Pandas，讓數據處理更easy系列2

05-11

回顧

上一篇總結了Pandas中最重要的兩個數據結構：Series和DataFrame，前者相當於更加強大的一維數組，是數組和字典的組合，因為既可以按照位置，也能通過鍵獲取訪問元素；而DataFrame是Series的容器，二維的數組，有行、列標籤。正是通過這兩個強大的數據結構和基於它們建立的各種操作，才使得Pandas稱霸數據處理領域工具庫，關於這篇請參考：

玩轉Pandas，讓數據處理更easy系列1

DataFrame結構剖析

因為DataFrame本質上是二維數組，其中values是Numpy，行索引是index,列索引是 columns的組合。接下來，創建一個pd_data，分別作如下操作：

#創建pd_data，values是二維list，index默認(0,1,2,...)，columns: [A,B,C]
pd_data = pd.DataFrame([ [4, 9, 1], [3, 5, 2] ], columns = list(ABC) )

獲取values，可以看出是ndarray的Numpy數組，因此可以使用ndarray實例的一切API:

pd.values

獲取index，可以看到返回RangeIndex實例，是默認的行索引，查源碼可以看出繼承關係如下：

Index

NumericIndex

Int64Index

RangeIndex

pd_data.index

獲取columns，直接返回Index實例，可以看到pd_data的列索引：

pd_data.columns

以上，可以看出pd_data的基本組成結構，以及如何拆分出所需要的values和索引(index,columns)結構。

DataFrame索引

DataFrame的索引可以按照一維索引方式，或二維索引方式。

一維索引方式，類似於numpy等的冒號直接索引，但是這種方法只能通過列索引標籤獲取，如下，返回的是一個Series實例，name是索引的列標籤名稱。

pd_data[B]

二維索引常用的 loc 介面，提供二維的訪問方法，用法如下：

pd_data.loc[1,B]

得到是元素5，即行索引標籤為1，列標籤為『B』的元素

插播：

loc的作用不是僅僅用作訪問某個已存在的元素。
因為說過，columns, index的作用類似於字典，言外之意，如果訪問的標籤不存在，它會自動添加進去，如下：

pd_data.loc[:,D] = 10 #增加一列，列標籤是D
pd_data[D] = 10 # 直接這樣寫更精簡，但是默認必須為添加列標籤

pd_data.loc[-1,:] = 0 #增加一行，行標籤是 -1

pd_data[-1] = -11 # No! 這樣寫不是添加一行

DataFrame刪除某列或某行

刪除DataFrame的某行或某列，調用drop()，參數是標籤值，如下：

現在的pd_data：

刪除E列，ok, 調用 drop(E,axis=1)，axis參數必須給出！

pd_data = pd_data.drop(E,axis=1) #注意必須賦值給pd_data，因為這不是in-place drop

刪除標籤為-1的行：

pd_data = pd_data.drop(-1,axis=0)

測試如果標籤為-1的行有多個，刪除會發生，再構造標籤為-1的行：

pd_data = pd_data.append(pd.Series([1]*5, index=[A,B,C,D,-1], name=1))
pd_data

刪除標籤為1的行，可以看到同時刪除了兩行。

pd_data = pd_data.drop(1,axis=0)
pd_data

以上總結了，DataFrame的結構，索引，增加，刪除操作，如有問題，請指針。

下載源碼，請在公眾號後台回復： pandas