前言

Pandas 是強大的資料科學分析工具，

今天要進入DataFrame的介紹

首先簡介Dataframe

又可以稱作資料框架，是表格型的資料結構

我們生活中常見的類似例子為Excel表格

可以想成DataFrame是Pandas裡的Excel表格

實際上是由多個 Series 組合起來的資料結構

通常用來封裝、處理二維的資料

今天練習的分別是

1. 建立DataFrame
2. 取得特定資料

看的課程是Coursera上的 Introduction to Data Science in Python

Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera

下面的練習是利用上課教的還有以前在學校教過的

重新整理有關DataFrame的筆記

建立DataFrame

• 首先先利用 Series來建立 Dataframe，看看Dataframe的架構

  假設現在想建立顧客檔案，先利用Series建立每個顧客的名字、居住的城市跟年齡

  import pandas as pd
  
  n_1 = pd.Series({"Name":"Sunny","City":"Taipei","Age":"18"})
  n_2 = pd.Series({"Name":"Kevin","City":"Taipei","Age":"21"})
  n_3 = pd.Series({"Name":"Pennt","City":"Hsinchie","Age":"24"})
  

  再把每個顧客的資訊利用 Series做出來之後，轉換成Dataframe的形式，並且指定index

  df = pd.DataFrame([n_1,n_2,n_3], index = ["customer1","customer2","customer3"])
  df.head()
  

  來檢查變成DataFrame之後的形式

  
  可以看到DataFrame將資料排列的很好解讀，二維的架構就跟前幾週在SQL介紹的一樣

• 接下來來換另外一種生成DataFrame的方式，使用Dictionary的形式產生

  customers = [{"Name":"Sunny","City":"Taipei","Age":"18"},
              {"Name":"Kevin","City":"Taipei","Age":"21"},
              {"Name":"Ray","City":"Hsinchiu","Age":"24"}]
  df = pd.DataFrame(customers,index = ["customer1","customer2","customer3"])
  df.head()
  

  

取得特定資料

1. 要取出想要的row資料時

在DataFrame我們使用的方法跟在Series一樣，可以用`iloc.[ ]`, `loc[ ]`

• 如果index只輸入單一值而且該值屬於唯一值，就會回傳該row的所有資料

  假設現在想找出顧客2的所有資訊

  可以用.loc[ ]，使用欄位名稱查詢

  df.loc["customer2"]
  

  

  可以看到顯示出來有關顧客２Kevin的所有資料

  現在來檢查這個回傳的資料型態是什麼

  type(df.loc["customer2"])
  '''
  pandas.core.series.Series
  '''
  

  可以確定若是輸入的index是單一值而且該值屬於唯一值

  回傳的資料就會是Series的型態

  也可以使用ioc.[ ]，利用索引值找到同樣的顧客二資訊

  df.iloc[1]
  

  

• 如果index在資料表裡不是唯一值

  現在假設原始資料的顧客四輸入時出現差錯

  將第四位客人的index寫成第一位客人

  讓新的資料表裡標示為第一位客人的資料有兩筆

  customers_1 = [{"Name":"Sunny","City":"Taipei","Age":"18"},
              {"Name":"Kevin","City":"Taipei","Age":"21"},
              {"Name":"Ray","City":"Hsinchiu","Age":"24"},
              {"Name":"Jane","City":"Taichung","Age":"27"}]
  df_1 = pd.DataFrame(customers_1,index = ["customer1","customer2","customer3","customer1"])
  df_1.head()
  

  

  接下來試著找出有關customer1的資料

  並且檢查回傳的資料型態

  df_1.loc["customer1"]
  

  

  type(df_1.loc["customer1"])
  '''
  pandas.core.frame.DataFrame
  '''
  

  可以得知當index不為唯一值時

  pandas會回傳資料型態為DataFrame的結果

• .loc [ ] 也可以用在不同維度的資料索取

  現在想知道顧客2居住的城市的話

  就可以先從row的index開始

  再到column裡檢索

  在中括號內利用逗號隔開兩個條件

  df.loc["customer2","City"]
  '''
  'Taipei'
  '''
  

  這種方式還有另外一個寫法

  df.loc["customer2"]["City"]
  '''
  'Taipei'
  '''
  

  會得到同樣的結果

  這種把回傳值再傳到下一個指令的方法叫做**"Chaining"**

  這個方式是產生一個複製過後的新的DataFrame

  第二種方式有slicing的性質

  如果想要擷取所有顧客的"Name"還有"City"，可以先在row裡用":"找出所有row，再利用list指定想要的column

  df.loc[:,["Name","City"]]
  

• 現在若是想用.loc[ ] 找到column裡的資料

  方法一是將表格轉置

  讓column跟row對調，使用.T

  df.T
  

  先來看看轉置之後的表格會變成怎樣

  

  接下來就可以用row查詢想要的值

  如果想找出顧客的所在城市資訊

  df.T.loc["City"]
  

  

2. 取出Column裡的資料

• 可以直接使用[ ]，裡面放column的欄位名稱

  當我們知道所有的顧客名字時

  df["Name"]
  

  

  直接在[ ]裡放上欄位名稱即可

• 還有另外一種表示法，可以直接利用.欄位名稱，記得不用加上引號

  df.Name
  

  

  可以看到兩個方法回傳的答案會是一致的

小結

今天練習的是DataFrame的基本操作

簡單的產生DataFrame

還有練習資料的查詢

這些概念衍伸了執行Series會用到的語法

還有SQL關於資料庫的概念

Pandas的世界博大精深

明天繼續探索