Структура данных DataFrame

Ранее, уже были статьи на тему работы с библиотекой pandas (“Функции в Pandas при работе с DataFrame. Часть 1”, “Дублирование строк Pandas в зависимости от значений в столбце датафрейма”), сейчас же мы попробуем в этом цикле статей описать все элементы и работу с ними. В данной статье мы рассмотрим структуру данных DataFrame.

DataFrame представляет собой двумерную структуру – то есть полноценную таблицу с множеством строк и столбцов.

DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

• data ( ndarray, dict или DataFrame) – данные на базе которых будет создан DataFrame;
• index (одномерный массив) – имена строк таблицы;
• columns (одномерный массив) – имена столбцов таблицы;
• dtype (numpy.dtype) – объект, определяющий тип данных;
• copy (bool) – если True, то будет создана копия массива данных.

Структуру DataFrame можно создать на базе следующих типов данных:

• словарь (dict), в качестве элементов которого могут выступать: одномерные ndarray, списки, другие словари, структуры Series;
• двумерный ndarray;
• структура Series;
• другой DataFrame.

Рассмотрим способы создания DataFrame’ов.

Создание из словаря

Для создания DataFrame будем использовать словарь, элементами которого могут быть списки, структуры Series и т.д. Начнем со варианта, когда элементы — это структуры Series:

d = {'price':pd.Series([1, 2, 3], index=['v1', 'v2', 'v3']),'count':
pd.Series([10, 12, 7], index=['v1', 'v2', 'v3'])}
df = pd.DataFrame(d)
print(df)

Построим аналогичный словарь, но на элементах ndarray:

d2 = {'price':np.array([1, 2, 3]), 'count': np.array([10, 12, 7])}
df2 = pd.DataFrame(d2, index=['v1', 'v2', 'v3'])
print(df2)

Как видно – результат аналогичен предыдущему. Вместо ndarray можно использовать обычный список Python.

Создание из списка словарей

До этого мы создавали DataFrame из словаря, элементами которого были структуры Series, списки и массивы, сейчас мы создадим DataFrame из списка, элементами которого являются словари:

d = [{'price': 3, 'count':8}, {'price': 4, 'count': 11}]
df = pd.DataFrame(d)
print(df)

Для получения сводной информации по созданному DataFrame можно использовать функцию info(). Она выводит данные о типе структуры, количестве записей, количестве non-null элементов в столбцах, типы и количество хранимых элементов и объем используемой памяти:

Создание из двумерного массива

Создать DataFrame можно также и из двумерного массива, в нашем примере это будет ndarray из библиотеки numpy:

nda = np.array([[1, 2, 3], [10, 20, 30]])
df = pd.DataFrame(nda)
print(df)

Работа с элементами DataFrame

Работа с элементами DataFrame – тема достаточно обширная, попробуем рассмотреть наиболее часто используемые подходы для доступа к элементам структуры.

Рассмотрим работу с данными операциями на практике. Для начала создадим DataFrame:

d = {'price':np.array([1, 2, 3]), 'count': np.array([10, 20, 30])}
df = pd.DataFrame(d, index=['a', 'b', 'c'])
print(df)

Выбор столбца

df['count']

Выбор строки по метке

df.loc['a']

Выбор строки по индексу

df.iloc[1]

Срез по строкам

df[0:2]

Выбор строк, отвечающих условию

df[df['count'] >= 20]