初始化

可以使用array+columns的格式，

d=pd.DataFrame(np.arange(10).reshape(2,5)) df1 = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])

也可以使用字典+大括號的格式：

df = pd.DataFrame({'a': [1, 2] * 3, ... 'b': [True, False] * 3, ... 'c': [1.0, 2.0] * 3})

讀csv文件

使用pandas讀取csv文件；iloc查看并且修改指定位置的數值，但是不會改變原始的csv文件，重新讀取，打印出來還是之前的數據。

csv文件可能有空值，有可能空值全部處于一部分，比如說文件前18行都是2列，但是之后18行是8列，這時讀取文件就會報錯，提示在18行到19行的地方expected 2 fileds pandas，解決方法是在read_csv參數中加入error_bad_lines=False，這樣強制使其不會報錯，但是結果是只讀取到了前18行

可以先把之前的刪除，再使用to_csv寫入用來的路徑

保存csv文件

保存時默認連同行列名也保存下來，可以使用header=False，index=False去除。如果連同行列名字保存下來，結果就是保存的csv文件會多出行列數。這時候再使用read_csv讀取，并且header=0，使用第一行名作索引，就會在最左上角的地方出現Unnamed。這時候再保存，再讀取，并且使用fscanf保存到數組中，就會出現全0的情況。

在read_csv時也有header,index_col.它們取0時是取第一行/列作為 索引。header=None和index_col=False等同，分別是對行列操作。

問題來了，如果header=0，選擇第一行作為索引，那如果第一行有重復數字怎么辦呢，可能導致幾個列名是重復的。pandas的解決辦法是對重復出現的數字增加小數點的部分進行編號。2222，就會編碼為2.1,2.3,2.3,2.4作為索引。

data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) c = ['a', 'b', 'c'] r = ['A', 'B', 'C'] df = pd.DataFrame(data=data, columns=c, index=r)

excel文件可以另存為csv格式，但是貌似會導致新生成的csv文件行數特別多，很多行是nan

切片

對列作切片。df["XXX"]可以得到指定的列名為XXX的列數據構成的series。[]中還可以是list類型。

根據列數據的屬性作切片，df.select_dtype(exclude/include="object").colums

對列作刪除。df.drop(["XXX"],axis=1)，刪除XXX列，注意軸方向要選取axis=1

drop(labels, axis=0, level=None, inplace=False, errors='raise')，默認按行刪除

對行作切片。df.loc[[]]，注意是兩層中括號，否則得到的是列形式的series。中括號中是行索引。

重置索引

在數據清洗后，一些數據被清除：

df.drop(index=[0, 1]) ************>df.drop([0, 1])***************>df.drop([0, 1]axis=0) df.drop(columns=['B', 'C'])***********df.drop(['B', 'C'], axis=1)

保留下的dataframe，其每一行的索引和之前一樣，但是不同行之間的索引不再連續，這時用for循環按照行數遍歷就會出問題。我們可以使用reset_index()重置索引。重置前后打印df會發現df多出一列名為“index”或者“level_0”的列，這是因為reset_index()默認將原有的索引值保存為新的一列。解決辦法也很簡單：

(df.reset_index(drop=True))

屬性

df.shape，得到行數與列數

df.head()，得到dataframe的前五行

df.tail()，得到dataframe的后五行

df.head().append(df.tail())，將前后五行連接出來，打印出來可以觀察數據

df.isnull().sum()，得到一個series，索引是列名，數據值是該列中空值的數目

pd.melt,pivot的逆操作，將列名視作數據。

通過列的屬性選擇df的子集

df.select_dtypes(include='bool') df.select_dtypes(exclude=['int'])

返回的仍然是dataframe，再使用columns則可以得到篩選之后的列名組成，形式如

Index(['A', 'B', 'C'], dtype='object')

取values可以得到數組類型的列名，再取tolist可以得到list

dtype可以得到dataframe的字段類型，使用astype可以對其轉換。

df['col2'] = df['col2'].astype('int')

取values之后其實就是ndarray類型的，這時如果想將dadaframe轉置，可以利用array的轉置T，然后列名和行名分別使用之前的行名和列名構建新的dataframe

df2 = pd.DataFrame(df.values.T, index=df.columns, columns=df.index)

改變整列數據

一般每一列代表一個特征，為了驗證某一特征對最終結果的影響，需要對該列數據進行整體變換，可以使用map的方法：

df["feature1"]=df["feature1"].map(lambda x:x*2)

https://www.tuziang.com/combat/732.html

https://www.jianshu.com/p/6e35d37e7709

總結

以上是生活随笔為你收集整理的dataframe常用操作总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。