上一節(jié)對(duì) Pandas 整體有了一個(gè)簡(jiǎn)單的認(rèn)識(shí)，接下來(lái)我們看一下 Pandas 的數(shù)據(jù)結(jié)構(gòu)到底是什么，先使用 type( ) 查看一下變量類(lèi)型
import pandas as pd
movie_pd = pd.read_csv('douban_movie.csv', header = 0, sep = '\t')
print type(movie_pd)
輸出結(jié)果如下：
<class 'pandas.core.frame.DataFrame'>
可見(jiàn)，Pandas 的基本數(shù)據(jù)結(jié)構(gòu)是 DataFrame, 怎么理解這個(gè) DataFrame 呢？
其實(shí) DataFrame 類(lèi)似于 Excel 中的表，表有行標(biāo)題和列標(biāo)題，比如下面這個(gè)表：
對(duì)應(yīng)的 DataFrame 就是：
movie_count total_vote average_score
BJ 126 1762312 8.6
SH 138 2083123 8.3
TJ 95 891212 7.9
CQ 88 762310 8.1
是不是很像，在 Pandas 中，列名相當(dāng)于列標(biāo)題 movie_count、total_vote、average_score，而行標(biāo)題 BJ、SH、TJ、CQ 就相當(dāng)于 索引。
那么如何創(chuàng)建一個(gè)新的 DataFrame 呢？使用 pd.DataFrame( ) 方法即可，具體有兩種方式：
- 按列創(chuàng)建
比如說(shuō)創(chuàng)建一個(gè)只有 電影類(lèi)型 category 和 電影評(píng)分 score 兩列的 DataFrame，直接扔進(jìn)去一個(gè)字典，字典的鍵將作為列名，對(duì)應(yīng)鍵的值將作為列值。
temp_dict = {
'score': [ 8.9, 8.2, 9.3 ],
'category': ['懸疑', '動(dòng)作', '愛(ài)情']
}
temp_pd = pd.DataFrame(temp_dict)
print temp_pd
輸出結(jié)果如下：
category score
0 懸疑 8.9
1 動(dòng)作 8.2
2 愛(ài)情 9.3
- 按行創(chuàng)建
上述 DataFrame 也可以使用按行創(chuàng)建的思路生成，但實(shí)際中使用的并不多，創(chuàng)建時(shí)需要傳入一個(gè)列表進(jìn)去。
row1 = [8.9, '懸疑' ]
row2 = [8.2, '動(dòng)作']
row3 = [9.3, '愛(ài)情' ]
temp_pd = pd.DataFrame([ row1, row2, row3 ], columns = ['score', 'category'])
不同的是，按行創(chuàng)建一般需要指定列名，使用 columns = ['score', 'category'] 來(lái)分別對(duì)列重命名，否則默認(rèn)的列名是以數(shù)字命 0、1 命名的，使用起來(lái)并不直觀。
新創(chuàng)建的 DataFrame，或者從文件讀入的 DataFrame，默認(rèn)的索引都是從 0 ~ N-1 的數(shù)字，其中 N 為 DataFrame 的長(zhǎng)度，可以使用 len( ) 來(lái)獲取。
print len(temp_pd)
print temp_pd.index
temp_pd.index = ['movie_1', 'movie_2', 'movie_3']
print temp_pd.columns
temp_pd.columns = ['movie_score', 'movie_category']
print temp_pd
print temp_pd.values
數(shù)據(jù)結(jié)果如下：
3
RangeIndex(start=0, stop=3, step=1)
Index([u'category', u'score'], dtype='object')
movie_score movie_category
movie_1 懸疑 8.9
movie_2 動(dòng)作 8.2
movie_3 愛(ài)情 9.3
[['\xe6\x82\xac\xe7\x96\x91' 8.9]
['\xe5\x8a\xa8\xe4\xbd\x9c' 8.2]
['\xe7\x88\xb1\xe6\x83\x85' 9.3]]
index 可以獲取 DataFrame 的索引，更改之前是 0、1、2，之后變?yōu)榱薽ovie_1、movie_2 、movie_3 。
columns 可以獲取 DataFrame 的列名，更改之前是 score 、category，之后變?yōu)榱薽ovie_score、movie_category。
values 則可以獲取 DataFrame 的值，每一行各個(gè)列的值都是一個(gè)列表，所有的行整體又組成一個(gè)列表，有點(diǎn)類(lèi)似于二維數(shù)組。
同時(shí)也可以通過(guò)賦值的方式更改 DataFrame 的索引 index、列名 columns。
劃重點(diǎn)
- DataFrame 類(lèi)似于 Excel 中的表，有行和列
- index 索引、columns 列名 、values 值
- pd.DataFrame( ) 創(chuàng)建一個(gè)新的 DataFrame，可以傳入字典或列表
