简介
DataFrame 一个表格型的数据结构，既有行标签（index），又有列标签（columns），它也被称异构数据表，所谓异构，指的是表格中每列的数据类型可以不同，比如可以是字符串、整型或者浮点型等。其结构图示意图，如下所示：
表格中展示了某个销售团队个人信息和绩效评级（rating）的相关数据。数据以行和列形式来表示，其中每一列表示一个属性，而每一行表示一个条目的信息。
DataFrame 的每一行数据都可以看成一个 Series 结构，只不过，DataFrame 为这些行中每个数据值增加了一个列标签。因此 DataFrame 其实是从 Series 的基础上演变而来。在数据分析任务中 DataFrame 的应用非常广泛，因为它描述数据的更为清晰、直观。
同 Series 一样，DataFrame 自带行标签索引，默认为“隐式索引”即从 0 开始依次递增，行标签与 DataFrame 中的数据项一一对应。
下面对 DataFrame 数据结构的特点做简单地总结，如下所示：
- DataFrame 每一列的标签值允许使用不同的数据类型；
- DataFrame 是表格型的数据结构，具有行和列；
- DataFrame 中的每个数据值都可以被修改;
- DataFrame 结构的行数、列数允许增加或者删除；
- DataFrame 有两个方向的标签轴，分别是行标签和列标签；
- DataFrame 可以对行和列执行算术运算。
创建DataFrame对象
基本语法
import pandas as pd
pd.DataFrame( data, index, columns, dtype, copy)参数说明
| 参数名称 | 说明 |
| data | 输入的数据，可以是 ndarray，series，list，dict，标量以及一个 DataFrame。 |
| index | 行标签，如果没有传递 index 值，则默认行标签是 np.arange(n)，n 代表 data 的元素个数。 |
| columns | 列标签，如果没有传递 columns 值，则默认列标签是 np.arange(n)。 |
| dtype | dtype表示每一列的数据类型。 |
| copy | 默认为 False，表示复制数据 data。 |
事先说明
由于我是在jupyter notebook上写的代码，先导入库，后面写代码就不需要导入了。所以下面所有的代码，都是没有导入库。如果要copy的话，请加上下面的代码。
# 导入库
import pandas as pd
import numpy as np
import matplotlib列表创建DataFrame对象
# 列表创建DATaFrame对象
# 单一列表
data=np.arange(5)
df=pd.DataFrame(data)
print(df)嵌套列表创建
# 使用嵌套列表创建DataFrame对象
data=[['tom',10],['marry',20],['bill',30]]
df=pd.DataFrame(data,columns=['name','age'])
print(df)字典嵌套列表创建
数据data字典中，键对应的值的元素长度必须相等（也就是列表长度相同）
# 字典嵌套列表创建
data={"name":["Alex","Biil","Amy"],"age":[10,20,30]}
df=pd.DataFrame(data)
print(df)字典嵌套列表，自定义行标签
# 字典嵌套列表，自定义行标签
data={"name":["Alex","Biil","Amy"],"age":[10,20,30]}
index=["num1","num2","num3"]
df=pd.DataFrame(data,index=index)
print(df)列表嵌套字典创建
列表嵌套字典可以作为输入数据传递给 DataFrame 构造函数。默认情况下，字典的键被用作列名。
# 列表嵌套字典创建
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print(df)注意：如果其中某个元素值缺失，也就是字典的 key 无法找到对应的 value，将使用 NaN 代替。
字典嵌套列表，自定义行/列标签
# 字典嵌套列表以及行，列索引表创建一个DataFrame对象
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df1 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])
df2 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b1'])
df3 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b','c'])
print(df1)
print("-"*50)
print(df2)
print("-"*50)
print(df3)以字典形式的Series创建
传递一个字典形式的 Series，从而创建一个 DataFrame 对象，其输出结果的行索引是所有 index 的合集。
# 以字典形式的Series创建
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df)注意：对于 one 列而言，此处虽然显示了行索引 'd'，但由于没有与其对应的值，所以它的值为 NaN。
总结
创建的方法有很多种，这里只是列举几种常见常用的。很多人容易被列表和字典两种类型的嵌套的搞混，一开始我也看的非常迷茫，后来看出一点规律了。
- 列表
[]里面是一行数据，字典{}里面是一列数据。 - 字典里的键就是DataFrame里的列标签
- 每多一个嵌套列表就多一行数据，每多一个嵌套字典就多一列数据
列索引操作DataFrame
DataFrame 可以使用列索（columns index）引来完成数据的选取、添加和删除操作。下面依次对这些操作进行介绍。
列索引选取数据列
# 使用列索引实现数据获取
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df ['one'])列索引添加数据
# 使用列索引添加数据
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
#使用df['列']=值，插入新的数据列
df['three']=pd.Series([10,20,30],index=['a','b','c'])
print(df)
#将已经存在的数据列做相加运算
df['four']=df['one']+df['three']
print(df)# 使用insert方法插入新的列
info=[['Jack',18],['Helen',19],['John',17]]
df=pd.DataFrame(info,columns=['name','age'])
print(df)
print("-"*50)
#注意是column参数
#数值1代表插入到columns列表的索引位置
df.insert(1,column='score',value=[91,90,75])
print(df)- 使用列标签可以直接添加数据，只不过只能添加在末尾
- 使用
insert添加数据，可以指定添加在哪一列
列索引删除数据列
# 使用del和pop删除数据列
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']),
'three' : pd.Series([10,20,30], index=['a','b','c'])}
df = pd.DataFrame(d)
print ("Our dataframe is:")
print(df)
print("-"*50)
#使用del删除
del df['one']
print(df)
print("-"*50)
#使用pop方法删除
df.pop('two')
print (df)使用del和pop都可以删除数据列，只不过两种使用方式有些不同，注意一下
这里建议使用pop，因为pop是DataFrame的方法，而其他添加/删除数据行/列操作都是靠DataFrame方法来完成的，所以这里也用pop方法，和其他形成统一，不容易用错
行索引操作DataFrame
标签索引选取
# 标签索引选取
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df)
print("-"*50)
# 选取单个数据
print(df.loc[["a"],["one"]])
print("-"*50)
# 选取多个数据
print(df.loc["a":"c","one":"two"])
print("*-"*50)
print(df.loc[["a","d"],["one"]])loc只接收标签索引，前面是行标签，后面是列标签，都是传列表（但是使用:时，不要传列表，直接使用即可）。选取多个数据的切片和Series差不多
整数索引选取
# 整数索引选取
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df)
print("-*-"*50)
# 选取单个数据
print (df.iloc[[1],[1]])
print("-"*50)
# 选取多个数据
print(df.iloc[1:3,0:1])
print("-"*50)
print(df.iloc[[0,2],[1]])iloc只接收整数索引，前面表示行，后面表示列，都是从零开始计数的，都是传列表（但是使用:时，不要传列表，直接使用即可）。选取多个数据的切片和Series差不多
切片操作多行选取
# 切片选取多行
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df)
print("-"*50)
#左闭右开
print(df[2:4])添加数据行
# 使用append添加数据行，添加到末尾(这个在pandas2.0之后被移除了)
# 使用concat拼接两个DataFrame
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
print(df)
print("-"*50)
print(df2)
print("-"*50)
#在行末追加新数据行
# df = df.append(df2)
df=pd.concat([df,df2])
print(df)注意：在有些地方还使用append添加。然而在pandas2.0之后就被移除。我们可以使用concat来平替。
删除数据
# 使用drop方法删除行数据
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
df=pd.concat([df,df2])
print(df)
print("-"*50)
#注意此处调用了drop()方法
df = df.drop(0)
print (df)常用属性和方法
DataFrame和Series差不多
| 名称 | 属性&方法 |
| T | 行和列转置。 |
| axes | 返回一个仅以行轴标签和列轴标签为成员的列表。 |
| dtypes | 返回每列数据的数据类型。 |
| empty | DataFrame中没有数据或者任意坐标轴的长度为0，则返回True。 |
| ndim | 轴的数量，也指数组的维数。（都是2） |
| shape | 返回一个元组，表示了 DataFrame 维度。 |
| size | DataFrame中的元素数量。 |
| values | 使用 numpy 数组表示 DataFrame 中的元素值。 |
| head() | 返回前 n 行数据。 |
| tail() | 返回后 n 行数据。 |
| shift() | 将行或列移动指定的步幅长度 |
代码演示
# 创建
d = {'Name':pd.Series(['c语言中文网','编程帮',"百度",'360搜索','谷歌','微学苑','Bing搜索']),
'years':pd.Series([5,6,15,28,3,19,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 构建DataFrame
df = pd.DataFrame(d)
# 输出DataFrame
print(df)
print("-"*50)
# 转置
print(df.T)
print("-"*50)
# axes
print(df.axes)
print("-"*50)
# dytpe
print(df.dtypes)
print("-"*50)
# empty
print(df.empty)
print("-"*50)
# ndim
print(df.ndim)
print('-'*50)
# shape
print(df.shape)
print("-"*50)
# size
print(df.size)
print("-"*50)
# values
print(df.values)
print("-"*50)
# head和tail
print(df.head(3))
print("-"*50)
print(df.tail(2))
print("-"*50)# shift
info= pd.DataFrame({'a_data': [40, 28, 39, 32, 18],
'b_data': [20, 37, 41, 35, 45],
'c_data': [22, 17, 11, 25, 15]})
#移动幅度为3
info.shift(periods=3)
print(info)
print("-"*50)
info.shift(periods=3,axis=1,fill_value= 52)
print(info)关于这个shift，我也没有搞明白，等啥时候我搞明白了再回来补吧
总结
具体参考C语言中文网
数据分析和可视化到这就告一段落，把这些知识大致过一遍就可以了
后面去学机器学习了
