Python Pandas 中的数据框属性

在本文中，我们将讨论数据框的不同属性。属性是 DataFrame 的属性，可用于获取数据或与特定数据帧相关的任何信息。

编写属性的语法是：

DataFrame_name.attribute

这些是数据框的属性：

• 指数
• 列
• 轴
• 数据类型
• 尺寸
• 形状
• ndim
• 空的
• 吨
• 价值观

指数

DataFrame中有两种索引，一种是行索引，另一种是列索引。 index 属性用于显示数据框对象的行标签。行标签可以是 0,1,2,3,... 形式并且可以是名称。

Syntax: dataframe_name.index

示例 1：当 DataFrame 中未提及索引时

Python3

# Python program to implement
# index attribute in a dataframe object
import pandas as pd
 
# creating a 2D dictionary
dict = {"Student": ["Arnav", "Neha",
                    "Priya", "Rahul"],
        "Marks": [85, 92, 78, 83],
        "Sports": ["Cricket", "Volleyball",
                   "Hockey", "Badminton"]}
 
# creating a DataFrame
df = pd.DataFrame(dict)
 
# printing this DataFrame on the
# output screen
display(df)
 
# Implementing index attribute on
# this DataFrame
print(df.index)

输出：

在这个程序中，我们从 2D 字典创建了一个 DataFrame，然后在输出屏幕上打印了这个 DataFrame，在程序结束时，我们实现了一个索引属性（df.index）来打印这个 DataFrame 的索引标签。由于我们在这个程序中没有提到任何索引标签，它会自动将索引从 0 到 n 个数字，其中 n 是行数，然后打印在输出屏幕上。

示例 2：当 DataFrame 中提到索引时

Python3

# Python program to implement
# index attribute in a dataframe object
import pandas as pd
 
# creating a 2D dictionary
dict = {"Student": ["Arnav", "Neha",
                    "Priya", "Rahul"],
        "Marks": [85, 92, 78, 83],
        "Sports": ["Cricket", "Volleyball",
                   "Hockey", "Badminton"]}
 
# creating a DataFrame
df = pd.DataFrame(dict, index=['I', 'II', 'III', 'IV'])
 
# printing this DataFrame on the
# output screen
display(df)
 
# Implementing index attribute on
# this DataFrame
print(df.index)

输出：

在这个程序中，我们从 2D 字典中创建了一个 DataFrame，然后在输出屏幕上打印这个 DataFrame，在程序结束时，我们实现了 index 属性（df.index）来打印这个 DataFrame 的索引标签，如我们在这个程序中提到了索引标签为 I、II、III 和 IV，因此它会在输出屏幕上打印相同的内容。

列

此属性用于获取特定数据框中存在的列的标签值。

Syntax: dataframe_name.columns 

Python3

# Python program to implement
# columns attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22, 'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing index attribute for this
# data frame
print(data_frame.columns)

输出：

在这个程序中，我们从具有值作为字典对象的 2D 字典中创建了一个 DataFrame，然后在输出屏幕上打印这个 DataFrame，在程序结束时，我们将列属性实现为 print(data_frame.columns) 来打印此 DataFrame 的列标签。在这个程序中，列标签是“营销和销售”，所以它会打印相同的。

轴

当我们想要一次获取所有行标签和所有列标签的值时使用此属性。

Syntax: dataframe_name.axes

Python3

# Python program to implement
# axes attribute in a dataframe object
import pandas as pd
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha', 'Age': 22,
                      'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing axes attribute for this data frame
print(data_frame.axes)

输出：

在这个程序中，我们从 2D 字典中创建了一个 DataFrame，并将值作为字典对象，然后在输出屏幕上打印这个 DataFrame 在程序结束时，我们将轴属性实现为 print(data_frame.axes) 来打印此 DataFrame 的列标签和行标签。

数据类型

此属性的目的是显示特定数据框的每一列的数据类型。

Syntax: dataframe_name.dtypes

Python3

# Python program to implement
# dtypes attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22, 'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing dtypes attribute for this
# data frame
print(data_frame.dtypes)
 
# Now we will create another dataframe of same
# data type in a particular column
print("..Another data frame..")
 
# Creating a 2D dictionary
dict2 = {"Student": ["Arnav", "Neha",
                     "Priya", "Rahul"],
         "Marks": [85, 92, 78, 83],
         "Sports": ["Cricket", "Volleyball",
                    "Hockey", "Badminton"]}
 
# Creating another data frame object
data_frame = pd.DataFrame(dict2)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing dtypes attribute for this
# data frame
print(data_frame.dtypes)

输出：

在这个程序中，我们从具有值作为字典对象的 2D 字典中制作了两个 DataFrame，然后将这些 DataFrame 打印在输出屏幕上。在每个 DataFrame 的末尾，我们实现了“dtypes”属性作为 print(data_frame.dtypes) 来打印两个 DataFrame 的每一列的数据类型。

尺寸

此属性用于显示数据框中存在的元素或项目的总数。

Syntax: dataframe_name.size

Python3

# Python program to implement
# size attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22, 'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing size attribute for this data frame
print("The total number of elements are:")
print(data_frame.size)

输出：

在这个程序中，我们从具有值作为字典对象的 2D 字典中创建了一个 DataFrame，然后将这个 DataFrame 打印在输出屏幕上。在程序的最后，我们实现了 size 属性为 print(data_frame.size) 来打印这个 DataFrame 的元素或项的总数。在这个数据框中，共有 6 个元素，其中 3 个元素来自第一列，3 个来自第二列。

形状

此属性用于显示特定数据框的总行数和列数。例如，如果我们在 DataFrame 中有 3 行 2 列，那么形状将是 (3,2)。

Syntax: dataframe_name.shape

Python3

# Python program to implement
# shape attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22, 'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing shape attribute for this data frame
print("Shape of the DataFrame:")
print(data_frame.shape)

输出：

在这个程序中，我们从具有值作为字典对象的 2D 字典中创建了一个 DataFrame，然后在输出屏幕上打印这个 DataFrame 在程序结束时，我们将 shape 属性实现为 print(data_frame.shape) 以打印数字此 DataFrame 的行和列。在他的 DataFrame 中，有 3 行 2 列，所以它会打印 (3,2)。

ndim

ndim 表示维数，该属性用于显示特定数据框的维数，DataFrame 是 2 维对象。

Syntax: dataframe_name.ndim

Python3

# Python program to implement
# ndim attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam', 'Age': 23,
                  'Gender': 'Male'},
        "Marketing": {'Name': 'Neha', 'Age': 22,
                      'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing ndim attribute for this data frame
print("Number of Dimensions:")
print(data_frame.ndim)

输出：

在这个程序中，我们从具有值作为字典对象的 2D 字典创建了一个 DataFrame，然后在输出屏幕上打印这个 DataFrame 在程序结束时，我们实现了 ndim 属性作为 print(data_frame.ndim) 来打印数字此 DataFrame 的维度。我们知道 DataFrame 是一个二维对象，所以它会打印 2。

空的

该属性用于检查数据框是否为空。如果数据框为空，则此属性返回 true，如果 DataFrame 不为空，则返回 false。

Syntax: dataframe_name.empty

Python3

# Python program to implement
# empty attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23,
                  'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22,
                      'Gender': 'Female'}}
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing empty attribute for this data frame
print("Is this DataFrame empty?")
print(data_frame.empty)
 
# Now we will create another dataframe
print("..Another data frame..")
 
# Creating a 2D empty dictionary
dict2 = {}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict2)
 
# printing this DataFrame on output screen
display(data_frame)
 
# Implementing empty attribute for this data frame
print("Is this DataFrame empty?")
print(data_frame.empty)

输出：

在这个程序中，我们从 2D 字典中创建了两个 DataFrame，其值作为字典对象，然后在输出屏幕上打印这些 DataFrame 在每个 DataFrame 的末尾，我们实现了一个“空”属性作为 print(data_frame.empty) 到检查任何 DataFrame 是否为空。在这个程序中，第一个 DataFrame 不是空的，所以它会打印“False”，第二个 DataFrame 是空的，所以它会打印“True”。

T（转置）

此属性用于将行更改为列，将列更改为行。

Syntax: dataframe_name.T

Python3

# Python program to implement T
# attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23,
                  'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22,
                      'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing T attribute for this data frame
print("Transpose of this DataFrame is:")
print(data_frame.T)

输出：

在这个程序中，我们从一个具有值的二维字典作为字典对象制作了一个 DataFrame，然后在输出屏幕上打印这个 DataFrame 在程序结束时，我们实现了“T”属性作为 print(data_frame.T) 来打印此 DataFrame 的转置。转置意味着 DataFrame 的所有行都将更改为列，反之亦然。

价值观

此属性用于以 NumPy 数组形式表示数据框的值/数据。

Syntax: dataframe_name.values

Python3

# Python program to implement values
# attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23,
                  'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22,
                      'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing values attribute for this data frame
print("NumPy Array form of this DataFrame is:")
print(data_frame.values)

输出：

在这个程序中，我们从具有值作为字典对象的 2D 字典创建了一个 DataFrame，然后在输出屏幕上打印这个 DataFrame 在程序结束时，我们实现了“values”属性作为 print(data_frame.values)以 NumPy 数组的形式打印这个 DataFrame 的所有数据。