数据处理库Pandas数据结构DataFrame

Dataframe是一种二维数据结构，数据以表格形式（与Excel类似）存储，有对应的行和列，如图3-3所示。它的每列可以是不同的值类型（不像 ndarray 只能有一个 dtype）。基本上可以把 DataFrame 看成是共享同一个 index 的 Series 的集合。

DataFrame 的构造方法与 Series 类似，只不过可以同时接受多条一维数据源，每一条都会成为单独的一列，演示代码如下。DataFrame创建方法比较丰富，可以通过字典、列表、ndarrays、Series对象创建而来。

import pandas as pd
data1 = [['Google',10],['Runoob',12],['Wiki',13]]
df1 = pd.DataFrame(data1,columns=['Site','Age'])
print(df1)
data2 = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df2 = pd.DataFrame(data2)
print (df2)
data3 = {'Site':['Google', 'Runoob', 'Wiki'], 'Age':[10, 12, 13]}
df3 = pd.DataFrame(data3)
print (df3)

运行结果如图3-4所示。

如下面的代码所示，Pandas可以使用 loc 属性返回指定行的数据，如果没有设置索引，第一行索引为0，第二行索引为1，以此类推。它也可以返回多行数据，使用[[ ... ]]格式，...为各行的索引，以逗号隔开。

import pandas as pd
data = {
  "calories": [420, 380, 390],
  "duration": [50, 40, 45]
}
#数据载入DataFrame对象
df = pd.DataFrame(data)
#返回第一行
print(df.loc[0])
#返回第二行和第三行
print(df.loc[[1, 2]])

运行结果如图3-5所示。

另外，也可以只获取 dataframe 中的几列，比如当处理数据的时候series较多，我们可以只关注其中一些特定的列，代码如下，假设只关注apple和banana数据列。

import pandas as pd
data2 = {
  "mango": [420, 380, 390],
  "apple": [50, 40, 45],
  "pear": [1, 2, 3],
  "banana": [23, 45,56]
}
df = pd.DataFrame(data2)
print(df[["apple","banana"]])

运行结果如图3-6所示。

本文节选自《PyTorch深度学习与企业级项目实战》，获出版社和作者授权发布。