> For the complete documentation index, see [llms.txt](https://jen-hsuan-hsieh.gitbook.io/python/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://jen-hsuan-hsieh.gitbook.io/python/chapter-2courses/21python-for-data-science-and-machine-learning-bootcamp/214python-for-data-analysis-pandas/2143dataframes.md). # 2.1.4.3.DataFrames ## 2.1.4.3.DataFrames ### 使用library ``` import numpy as np import pandas as pd from numpy.random import randn ``` ### 初始化亂數 ``` np.random.seed(101) ``` ### DataFrame可以接受三個參數: * 第一個參數為數值的數列, 型別可以是python數列 * 第二個參數為label的數列, 型別可以是python數列 * 第三個參數為label的數列, 型別可以是python數列 ``` df = pd.DataFrame(randn(5,4),['A', 'B', 'C', 'D', 'E'],['W', 'X', 'Y', 'Z']) ``` * 也可以直接傳入dictionary ``` d = {'A':[1,2,np.nan], 'B':[5,np.nan,np.nan], 'C': [1,2,3]} df.pd.DataFrame(d) ``` ### 選取DataFrame的Series或subset * 選取Column的Series * DataFrame中的任一個column就是Series ``` df['W'] In: type(df['W']) Out: pandas.core.series.Series ``` * 也可以選取多個column ``` df[['W', 'Y']] ``` * 選取Row的Series * 指定label ``` df.loc['A'] ``` * 指定index ``` df.iloc['2'] ``` * 選取特定(Row, Column)位置的subset * 取出單一值 ``` df.loc['B', 'Y'] ``` * 取出特定範圍的subset ``` df.loc[['A', 'B'], ['X', 'Y']] ``` * 取出前五個值 ``` df.head(5) ``` ### 條件選擇 * 過濾DataFrame * 留下 > 0的值, 將會得到boolean的DataFrame ``` df > 0 ``` * 過濾Column * 留下 > 0的row, 將會得到boolean的Series ``` df['W'] > 0 ``` * 條件選擇 * 去掉DataFrame所有column 'W'中小於0的row, 將會得到DataFrame ``` df[df['W'] > 0] ``` * 多重條件選擇 ``` df[(df['W']>0) | (df['Y']>1)] df[(df['W']>0) & (df['Y']>1)] ``` ### 新增/ 刪除DataFrame的column * 'new'將會被新增到df中 ``` newind = 'CA NY WY OR CO'.split() df['new'] = newind ``` * 刪除欄位 * 由於DataFrame有兩軸座標, 刪除時需指定label是在哪一軸上的 * inplace參數預設值為Flase, 僅會返回刪除column後的一組DataFrame, 原來的DataFrame並不會改變; 如果設為True則原來的DataFrame會被覆蓋掉 ``` df.drop('new', axis = 1, inplace = True) ``` ### 操作索引值 * Reset索引值 ``` df.reset_index() ``` * 將某一個column設為索引值 ``` newind = 'CA NY WY OR CO'.split() df['new'] = newind df.set_index('new') ``` ### Multi-Index * 建立Multi-Index的DataFrame ``` # Index Levels outside = ['G1','G1','G1','G2','G2','G2'] inside = [1,2,3,1,2,3] hier_index = list(zip(outside,inside)) hier_index = pd.MultiIndex.from_tuples(hier_index) df = pd.DataFrame(np.random.randn(6,2),index=hier_index,columns=['A','B']) ``` * 選取資料 ``` df.loc['G1'].loc[1] ``` * 為Multi-Index的名稱賦值 ``` df.index.name = ['G', 'Numbers'] ``` * Cross section * 可以同時選取不同row的資料 ``` df.xs(['G1',1]) ``` ### DataFrame的一些基本操作 * 取出Series的唯一值 (將會回傳array) ``` df['col2'].unique() ``` * 取得Series的長度 ``` len(df['col2'].unique()) df['col2'].nunique() ``` * 統計Dataframe中各Series的數量 ``` df['col2'].value_counts() ``` * 取得Dataframe的column ``` df.column ``` * 排序Dataframe ``` df.sort_values('col2') ``` * 檢查Dataframe裡的值是不是null ``` df.isnull() ``` ### 將function綁定到Dataframe上 ``` def times2(x): return x*2 df['col1'].apply(times2) ``` * 或是 ``` df['col1'].apply(lambda x: x*2) ``` ## Pivot table * 指定A, B為索引值時, 取D的值作為value, 並將C設定為列層次階段 ``` data = {'A':['foo','foo','foo','bar','bar','bar'], 'B':['one','one','two','two','one','one'], 'C':['x','y','x','y','x','y'], 'D':[1,3,2,5,4,1]} df = pd.DataFrame(data) OUT: A B C D 0 foo one x 1 1 foo one y 3 2 foo two x 2 3 bar two y 5 4 bar one x 4 5 bar one y 1 df.pivot_table(values='D',index=['A', 'B'],columns=['C']) OUT: C x y A B bar one 4.0 1.0 two NaN 5.0 foo one 1.0 3.0 two 2.0 NaN ``` * [參考資料](https://zhuanlan.zhihu.com/p/31952948)