pandas DataFrame是二维的,所以,它既有列索引,又有行索引

上一篇里只介绍了列索引:

import pandas as pddf = pd.DataFrame({'A': [0, 1, 2], 'B': [3, 4, 5]})print df# 结果: A B0 0 31 1 42 2 5

行索引自动生成了 0,1,2

如果要自己指定行索引和列索引,可以使用 index 和 column 参数:

这个数据是5个车站10天内的客流数据:

ridership_df = pd.DataFrame( data=[[ 0, 0, 2, 5, 0], [1478, 3877, 3674, 2328, 2539], [1613, 4088, 3991, 6461, 2691], [1560, 3392, 3826, 4787, 2613], [1608, 4802, 3932, 4477, 2705], [1576, 3933, 3909, 4979, 2685], [ 95, 229, 255, 496, 201], [ 2, 0, 1, 27, 0], [1438, 3785, 3589, 4174, 2215], [1342, 4043, 4009, 4665, 3033]], index=['05-01-11', '05-02-11', '05-03-11', '05-04-11', '05-05-11', '05-06-11', '05-07-11', '05-08-11', '05-09-11', '05-10-11'], columns=['R003', 'R004', 'R005', 'R006', 'R007'])

data 参数为一个numpy二维数组, index 参数为行索引, column 参数为列索引

生成的数据以表格形式显示:

R003 R004 R005 R006 R00705-01-11 0 0 2 5 005-02-11 1478 3877 3674 2328 253905-03-11 1613 4088 3991 6461 269105-04-11 1560 3392 3826 4787 261305-05-11 1608 4802 3932 4477 270505-06-11 1576 3933 3909 4979 268505-07-11 95 229 255 496 20105-08-11 2 0 1 27 005-09-11 1438 3785 3589 4174 221505-10-11 1342 4043 4009 4665 3033

下面说下如何获取DataFrame里的值:

1.获取某一列: 直接 ['key']

print(ridership_df['R003'])# 结果:05-01-11 005-02-11 147805-03-11 161305-04-11 156005-05-11 160805-06-11 157605-07-11 9505-08-11 205-09-11 143805-10-11 1342Name: R003, dtype: int64

2.获取某一行: .loc['key']

print(ridership_df.loc['05-01-11'])# 或者print(ridership_df.iloc[0])# 结果:R003 0R004 0R005 2R006 5R007 0Name: 05-01-11, dtype: int64

3.获取某一行某一列的某个值:

print(ridership_df.loc['05-05-11','R003'])# 或者print(ridership_df.iloc[4,0])# 结果:1608

4.获取原始的numpy二维数组:

print(ridership_df.values)# 结果:[[ 0 0 2 5 0] [1478 3877 3674 2328 2539] [1613 4088 3991 6461 2691] [1560 3392 3826 4787 2613] [1608 4802 3932 4477 2705] [1576 3933 3909 4979 2685] [ 95 229 255 496 201] [ 2 0 1 27 0] [1438 3785 3589 4174 2215] [1342 4043 4009 4665 3033]]

*注意在这过程中,数据格式如果不一致,会发生转换.

一个综合栗子:

从 ridership_df 找出第一天里客流量最多的车站,然后返回这个车站的日平均客流,以及返回所有车站的平均日客流,作为对比:

def mean_riders_for_max_station(ridership): max_index = ridership.iloc[0].argmax() mean_for_max = ridership[max_index].mean() overall_mean = ridership.values.mean() return (overall_mean, mean_for_max)print mean_riders_for_max_station(ridership_df)# 结果:(2342.6, 3239.9)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。