pandas库中 DataFrame的用法小结

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

利用pandas.DataFrame可以构建表格，通过列标属性调用列对象

一、构建表格

举例

import pandas as pd
x = [
       ['PyTorch', '-', '.pt', True, True],
       ['TorchScript', 'torchscript', '.torchscript', True, True],
       ['ONNX', 'onnx', '.onnx', True, True],
       ['OpenVINO', 'openvino', '_openvino_model', True, False],
       ['TensorRT', 'engine', '.engine', False, True],
       ['CoreML', 'coreml', '.mlmodel', True, False],
       ['TensorFlow SavedModel', 'saved_model', '_saved_model', True, True],
       ['TensorFlow GraphDef', 'pb', '.pb', True, True],
       ['TensorFlow Lite', 'tflite', '.tflite', True, False],
       ['TensorFlow Edge TPU', 'edgetpu', '_edgetpu.tflite', False, False],
       ['TensorFlow.js', 'tfjs', '_web_model', False, False],
       ['PaddlePaddle', 'paddle', '_paddle_model', True, True],]
df1 = pd.DataFrame(x, columns=['Format', 'Argument', 'Suffix', 'CPU', 'GPU'])
df2 = pd.DataFrame(x, index=list(['a','b','c','d','e','f','g','q','w','e','r','t']),columns=['Format', 'Argument', 'Suffix', 'CPU', 'GPU'])
print(df1)
print('=======================================')
print(df2)

输出结果

                   Format     Argument           Suffix    CPU    GPU
0                 PyTorch            -              .pt   True   True
1             TorchScript  torchscript     .torchscript   True   True
2                    ONNX         onnx            .onnx   True   True
3                OpenVINO     openvino  _openvino_model   True  False
4                TensorRT       engine          .engine  False   True
5                  CoreML       coreml         .mlmodel   True  False
6   TensorFlow SavedModel  saved_model     _saved_model   True   True
7     TensorFlow GraphDef           pb              .pb   True   True
8         TensorFlow Lite       tflite          .tflite   True  False
9     TensorFlow Edge TPU      edgetpu  _edgetpu.tflite  False  False
10          TensorFlow.js         tfjs       _web_model  False  False
11           PaddlePaddle       paddle    _paddle_model   True   True
=======================================
                  Format     Argument           Suffix    CPU    GPU
a                PyTorch            -              .pt   True   True
b            TorchScript  torchscript     .torchscript   True   True
c                   ONNX         onnx            .onnx   True   True
d               OpenVINO     openvino  _openvino_model   True  False
e               TensorRT       engine          .engine  False   True
f                 CoreML       coreml         .mlmodel   True  False
g  TensorFlow SavedModel  saved_model     _saved_model   True   True
q    TensorFlow GraphDef           pb              .pb   True   True
w        TensorFlow Lite       tflite          .tflite   True  False
e    TensorFlow Edge TPU      edgetpu  _edgetpu.tflite  False  False
r          TensorFlow.js         tfjs       _web_model  False  False
t           PaddlePaddle       paddle    _paddle_model   True   True

可以看出 index参数为行标设置，columns为列标设置，且都需为列表形式，长度都需要与给出的列表横列数量一致（例子中的x）。

二、调用列对象和其中的属性

import pandas as pd
x = [
       ['PyTorch', '-', '.pt', True, True],
       ['TorchScript', 'torchscript', '.torchscript', True, True],
       ['ONNX', 'onnx', '.onnx', True, True],
       ['OpenVINO', 'openvino', '_openvino_model', True, False],
       ['TensorRT', 'engine', '.engine', False, True],
       ['CoreML', 'coreml', '.mlmodel', True, False],
       ['TensorFlow SavedModel', 'saved_model', '_saved_model', True, True],
       ['TensorFlow GraphDef', 'pb', '.pb', True, True],
       ['TensorFlow Lite', 'tflite', '.tflite', True, False],
       ['TensorFlow Edge TPU', 'edgetpu', '_edgetpu.tflite', False, False],
       ['TensorFlow.js', 'tfjs', '_web_model', False, False],
       ['PaddlePaddle', 'paddle', '_paddle_model', True, True],]
df1 = pd.DataFrame(x, columns=['Format', 'Argument', 'Suffix', 'CPU', 'GPU'])
df2 = pd.DataFrame(x, index=list(['a','b','c','d','e','f','g','q','w','e','r','t']),columns=['Format', 'Argument', 'Suffix', 'CPU', 'GPU'])
# print(df1)
# print('=======================================')
# print(df2)
print(df1.Suffix)
print('=====================================')
print(df2.Format)

结合这一中的输出表看，其输出结果如下

0                 .pt
1        .torchscript
2               .onnx
3     _openvino_model
4             .engine
5            .mlmodel
6        _saved_model
7                 .pb
8             .tflite
9     _edgetpu.tflite
10         _web_model
11      _paddle_model
Name: Suffix, dtype: object
=====================================
a                  PyTorch
b              TorchScript
c                     ONNX
d                 OpenVINO
e                 TensorRT
f                   CoreML
g    TensorFlow SavedModel
q      TensorFlow GraphDef
w          TensorFlow Lite
e      TensorFlow Edge TPU
r            TensorFlow.js
t             PaddlePaddle
Name: Format, dtype: object

可以看到 输出的是一个 列的类实例，若继续调用这个列中的每个元素，可以通过下列语句实现

print(df1.Suffix[0])
print('=====================================')
print(df2.Format[1])
print('=====================================')

即通过索引调用，输出为

.pt
=====================================
TorchScript
=====================================

或者通过该属性所在的行标进行调用

print(df2.Format['a'])

输出为 

PyTorch

三、其中的属性debug

 四、怎么获得行

目前还不清楚，上面的debug显示其不包含具有 行信息的属性，不过可以通过 values这个属性来调用行，

 values也是个类实例，其值为numpy矩阵，所以通过矩阵形式调用行，例如 

print(df1.values[0, :])
>>['PyTorch' '-' '.pt' True True]

来源：https://blog.csdn.net/allrubots/article/details/127302622