一起学习，一起成长
1.什么是DataFrame
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、布尔值等）。DataFrame既有行索引也有列索引，它可以被看做由series组成的字典（共用同一个索引）
2.DateFrame特点
DataFrame中面向行和面向列的操作基本是平衡的。
DataFrame中的数据是以一个或多个两维块存放的（而不是列表、字典或别的一维数据结构）。
3.创建DataFrame
最常用的一种是直接传入一个由等长列表或NumPy数组组成的字典：
In[33]
ata={state:[Ohio,Ohio,Ohio,Nevada,Nevada],year:[,,,,],pop:[1.5,1.7,3.6,2.4,2.9]}
In[34]
rame=DataFrame(data)
#结果DataFrame会自动加上索引（跟Series一样），且全部列会被有序排列：
In[35]rame
Out[35]
/p>
popstateyear
01.5Ohio
11.7Ohio
23.6Ohio
32.4Nevada
42.9Nevada
4.指定列顺序
#使用clolumns指定列顺序
In[36]
ataFrame(data,columns=[year,state,pop])
Out[36]/p>
yearstatepop
0Ohio1.5
1Ohio1.7
2Ohio3.6
3Nevada2.4
4Nevada2.9
5.NA值
跟Series一样，如果传入的列在数据中找不到，就会产生NA值：
In[37]ataFrame(data,columns=[year,state,pop,debt],index=[one,two,three,four,five])
Out[37]/p>
yearstatepopdebt
oneOhio1.5NaN
twoOhio1.7NaN
threeOhio3.6NaN
fourNevada2.4NaN
fiveNevada2.9NaN
6.类似字典（或属性）标记
通过类似字典标记的方式或属性的方式，可以将DataFrame的列获取为一个Series：
In[39]rame[state]#或frame.state
Out[39]/p>
0Ohio
1Ohio
2Ohio
3Nevada
4Nevada
Name:state,dtype
bject
7.索引字段ix（行）
注意，返回的Series拥有原DataFrame相同的索引，且其name属性也已经被相应地设置好了。行也可以通过位置或名称的方式进行获取，比如用索引字段ix：
In[44]rame2.ix[one]
Out[44]/p>
year
stateOhio
pop1.5
debtNaN
Namene,dtypebject
8.通过赋值修改列
列可以通过赋值的方式进行修改。例如，可以给那个空的‘debt’列赋上一个标量值或一组值：
In[45]rame2[debt]=16.5#或frame2.debt
In[46]:frame2
Out[46]:
yearstatepopdebt
oneOhio1..5
twoOhio1..5
threeOhio3..5
fourNevada2..5
fiveNevada2..5
In[50]:frame2.debt=np.arange(5.)
In[51]:frame2
Out[51]:
yearstatepopdebt
oneOhio1.50.0
twoOhio1.71.0
threeOhio3.62.0
fourNevada2.43.0
fiveNevada2.94.0
将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度相匹配。如果赋值的是一个Series，就会精确匹配DataFrame的索引，所有的空位都将被填上缺失值：
In[52]:val=Series([-1.2,-1.5,-1.7],index=[two,four,five])
In[53]:frame2[debt]=val
In[54]:frame2
Out[54]:
yearstatepopdebt
oneOhio1.5NaN
twoOhio1.7-1.2
threeOhio3.6NaN
fourNevada2.4-1.5
fiveNevada2.9-1.7
9.关键字del删除列
为不存在的列赋值会创建出一个新列。关键字del用于删除列：
In[55]:frame2[eastern]=frame2.state==Ohio
In[56]:frame2
Out[56]:
yearstatepopdebteastern
oneOhio1.5NaNTrue
twoOhio1.7-1.2True
threeOhio3.6NaNTrue
fourNevada2.4-1.5False
fiveNevada2.9-1.7False
In[57]elframe2[eastern]
In[58]:frame2.columns
Out[58]:Index([year,state,pop,debt],dtype=object)
警告：通过索引方式返回的列只是相应数据的视图而已，并不是副本。因此，对返回的Series所做的任何就地修改全都会反映到源DataFrame上。通过Series的copy方法即可显示地赋值列。
10.嵌套字典
嵌套字典（也就是字典的字典）：
In[62]:pop={Nevada:{:2.4,:2.9},Ohio:{:1.5,:17,:3.6}}
#如果将它传给DataFrame，它就会被解释为：外层字典的键作为列，内层键则作为行索引：
In[63]:frame3=DataFrame(pop)
In[64]:frame3
Out[64]:
NevadaOhio
NaN1.5
2..0
2.93.6
内层字典的键会被合并、排序以形成最终的索引。如果显式指定了索引，则不会这样：
In[66]ataFrame(pop,index=[,,])
Out[66]:
NevadaOhio
2..0
2.93.6
NaNNaN
由Series组成的字典差不多也是一样的用法：
In[68]:pdata={Ohio:frame3[Ohio][:-1],Nevada:frame3[Nevada][:2]}
In[69]ataFrame(pdata)
Out[69]:
NevadaOhio
NaN1.5
2..0
11.转置
In[65]:frame3.T
Out[65]:
NevadaNaN2.42.9
Ohio1..03.6
12.索引对象
Pandas的索引对象负责管理轴标签和其他元数据（比如轴名称等）。
Index对象是不可修改的（immutable），因此用户不能对其进行修改。
不可修改性非常重要，因为这样才能使Index对象在多个数据结构之间安全共享。
注意：虽然大部分用户都不需要知道太多关于Index对象的细节，但它们确实是pandas数据模型的重要组成部分。
「亲，如果笔记对您有帮助，收藏的同时，记得给点个赞、加个
