DataFrame(1)：DataFrame结构的详细介绍

不念不忘少年蓝@ 2023-07-21 08:34 10阅读 0赞

↑ 关注 + 星标 ~ 有趣的不像个技术号

每晚九点，我们准时相约  ![format_png][]

![format_png 1][]

大家好，我是黄同学![format_png 2][]

我们终于要开始DataFrame系列了。

## 1、DataFrame数据结构的解释说明 ##

![format_png 3][]

index表示的是行索引，column表示的是列索引，values表示的是数值，其实不管是行索引，还是列索引都可以看作是索引Index。从每一行来看，DataFrame可以看作是一行行的Series序列上、下堆积起来的，每个Series的索引就是列索引\[0,1,2,3\]；从每一列来看，DataFrame可以看作是一列列的Series序列左右堆积起来的，每个Series的索引就是行索引\[0,1,2\]。

但是DataFrame默认的理解方式是：DataFrame其实就是由很多个数据类型不一样的列Series组成。对于上图，此DataFrame其实就是由如下四个Series组成，它们的索引都是行索引\[0,1,2\]。

![format_png 4][]

可以把一个DataFrame，类比成MySQL中的一张表：

MySQL表中，每个列字段的数据类型基本都不一样，每张表都有很多个列字段；

如果把MySQL表中的每个列看做是一个数据类型的Series，一张MySQL表就可以看做是由很多个数据类型不一样的Series组成，和我们上面讲述的一致。

## 2、DataFrame的index属性和columns属性 ##

**1）构造一个DataFrame**

import numpy as np
    import pandas as pd
    
    df = pd.DataFrame(np.random.randint(70,100,(3,5)),
                      index=["地区1", "地区2", "地区3"],
                      columns=["北京","天津", "上海","沈阳", "广州"])
    display(df)

结果如下：

![format_png 5][]

**2）index属性和columns属性**

df = pd.DataFrame(np.random.randint(70,100,(3,5)),
                      index=["地区1", "地区2", "地区3"],
                      columns=["北京","天津", "上海","沈阳", "广州"])
    display(df)
    
    x = df.index
    display(x)
    list(df.index)
    
    y = df.columns
    display(y)
    list(df.columns)

结果如下：

![format_png 6][]

① 修改行索引：df.index

df = pd.DataFrame(np.random.randint(70,100,(3,5)),
                      index=["地区1", "地区2", "地区3"],
                      columns=["北京","天津", "上海","沈阳", "广州"])
    display(df)
    
    df.index = ["a","b","c"]
    display(df)

结果如下：

![format_png 7][]

② 修改列索引：df.columns

df = pd.DataFrame(np.random.randint(70,100,(3,5)),
                      index=["地区1", "地区2", "地区3"],
                      columns=["北京","天津", "上海","沈阳", "广州"])
    display(df)
    
    df.columns = ["a","b","c"]
    display(df)

结果如下：

![format_png 8][]

**3）DataFrame的索引对象Index**

观察“DataFrame的数据结构图”可以发现：每个df既有一个行索引index，又有一个列索引columns。但是不管行索引index，还是列索引columns，统一都都叫做 “Index对象”。不同的是在创建df，指定参数的参数名称的时候，为了方便区分行索引和列索引 ，把行索引这个“Index对象”叫做index，把列索引这个“Index对象”叫做columns 。

记住：Index对象中的元素不支持修改。

# pd.Index()用于创建一个Index对象
    x = pd.Index([1,2,3])
    display(x)
    display(type(x))
    
    x[0] = 1

结果如下：

![format_png 9][]

## 3、DataFrame的name属性 ##

① 怎么理解DataFrame的name属性

![format_png 10][]

我们知道：取出DataFrame中的每一行、每一列都是一个Series，组成这个DataFrame对象的每个sereis都有一个名称，这个名称，就是对应的那一行、列的索引。如图所示 ，上述有“红橙黄绿蓝靛紫黑”八种颜色，分别编号为1-8，每个号对应的都是一个Series。Series1的name为“地区1”，Series2的name为“地区2”...Series8的name为“广州”。

接下来，我们使用代码检验一下。

df = pd.DataFrame(np.random.randint(70,100,(3,5)),
                      index=["地区1", "地区2", "地区3"],
                      columns=["北京","天津", "上海","沈阳", "广州"])
    display(df)
    
    df.loc["地区1"].name
    df.loc["地区2"].name
    ......
    df["广州"].name

结果如下：

![format_png 11][]

② 为行索引、列索引设置name名称属性：df.index.name和df.columns.name

df = pd.DataFrame(np.random.randint(70,100,(3,5)),
                      index=["地区1", "地区2", "地区3"],
                      columns=["北京","天津", "上海","沈阳", "广州"])
    display(df)
    
    df.index.name = "index_name"
    df.columns.name = "columns_name"
    display(df)

结果如下：

![format_png 12][]

综上所述：通过上面的演示，我们不仅DataFrame的每一行、每一列有一个name名称，并且我们还可以给DataFrame的行索引和列索引分别设置一个name名称。

![format_png 13][]

近期文章，点击图片即可查看

[![format_png 14][]][format_png 14 1]

[![format_png 15][]][format_png 15 1]

[![format_png 16][]][format_png 16 1]

[![format_png 17][]][format_png 17 1]

**后台回复关键词「****进群****」，即刻加入读者交流群~**

![format_png 18][]

**五**

DataFrame(1)

![format_png 19][]

朱小五

[format_png]: /images/20230528/96f2c9c0e49d4b4e9a94956651aa3595.png
[format_png 1]: /images/20230528/9cfcdb2e904a45a69221c12ca5d25773.png
[format_png 2]: /images/20230528/4f785d47f1f9439aab962b2cd54d2c33.png
[format_png 3]: /images/20230528/0fbae58d742f4c24afcfec243e926c96.png
[format_png 4]: /images/20230528/95ed580cb8414ea09578021aeef5c8e2.png
[format_png 5]: /images/20230528/7b297ebf350c4d07a6a5dec0ee378def.png
[format_png 6]: /images/20230528/9e66298d2ffe4add8f2b368340943539.png
[format_png 7]: /images/20230528/d97684ce59ca4a86903b342cf922380a.png
[format_png 8]: /images/20230528/c7f681ec60a946428a61e80a4cb2a211.png
[format_png 9]: /images/20230528/940ead863538459ab7d156e31606088b.png
[format_png 10]: /images/20230528/372ef4e3233346919bf3a453770e710f.png
[format_png 11]: /images/20230528/1296bf426a214b72832ca4a50143c66e.png
[format_png 12]: /images/20230528/b3fd14ff04594b2caefa1721027b72f8.png
[format_png 13]: /images/20230528/347c6f7ba5e7441192e34386aad5152b.png
[format_png 14]: /images/20230528/1ef7cf23813d4c49b1ea4ff6a092bccf.png
[format_png 14 1]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d2db3c93aa4a507b1972b490fcf521eb00914887928fcfd1727cf50adbac062cab4965d1e&idx=2&mid=2247485495&scene=21&sn=bc0193d961a014d3d8f0190716a0a450#wechat_redirect
[format_png 15]: /images/20230528/c39b5bfc63e8478fa4281205e9a60bd1.png
[format_png 15 1]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d2dc7c93aa4d1972e24e12ed410a2b140d16e9bf81ac2b1ded1e0dc1eb3b4b41282b87d9f&idx=1&mid=2247485507&scene=21&sn=ccc24605050b56f2d8ca1dfc72ef1ab7#wechat_redirect
[format_png 16]: /images/20230528/e57f4fb08d8649339eb01ff3c7544ddf.png
[format_png 16 1]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d2daec93aa4b82f2959245298c32d5c2b3374f6c8bbab0ecd2c4c14bd04dcf8189411dd24&idx=1&mid=2247485482&scene=21&sn=01da14c1b1ba88ac6160869180d1b530#wechat_redirect
[format_png 17]: /images/20230528/cfb6c0bb5f5745feaafd0c016ec95ef8.png
[format_png 17 1]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d2001c93aa917b7075064530603010f17904b489f8e2766c1deeba97ef9bc1713b39f146f&idx=1&mid=2247484805&scene=21&sn=a22cbf976eb9b5a267664662b7ac3d83#wechat_redirect
[format_png 18]: /images/20230528/d5df5b98a93e41d2a724d9b3464a742a.png
[format_png 19]: /images/20230528/ae55170d71564a41a04918b3a8d2aed4.png