DataFrame

DataFrame是一个表格型的数据结构，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就行索引也有列索引，可以被看做由Series组成的字典（共用同一个索引）。跟其他类似的数据结构相比，DataFrame中面向行和面向列的操作基本上是平衡的。

构建DataFrame的方法有很多，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。

结果DataFrame会自动加上索引，且全部列会被有序排列。

In [10]: import pandas as ps

In [11]: from pandas import DataFrame

In [12]: data = {'state':['simple','simple','Python','Python'],'year':['2017','2
    ...: 018','2019','2020'],'pop':['1','2','3','4']}

In [13]: frame = DataFrame(data)

In [14]: frame
Out[14]: 
  pop   state  year
0   1  simple  2017
1   2  simple  2018
2   3  Python  2019
3   4  Python  2020

如果指定列顺序，DataFrame的列就会按照指定顺序进行排列。

In [15]: DataFrame(data,columns=['year','state','pop'])
Out[15]: 
   year   state pop
0  2017  simple   1
1  2018  simple   2
2  2019  Python   3
3  2020  Python   4

与Series一样，如果传入的列在数据中找不到，就会产生NA值。

In [17]: frame2 = DataFrame(data,columns=['year','state','pop','debt'],index=['o
    ...: ne','two','three','four'])

In [18]: frame2
Out[18]: 
       year   state pop debt
one    2017  simple   1  NaN
two    2018  simple   2  NaN
three  2019  Python   3  NaN
four   2020  Python   4  NaN

In [19]: frame2.columns
Out[19]: Index([u'year', u'state', u'pop', u'debt'], dtype='object')

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 [20]: frame2['state']
Out[20]: 
one      simple
two      simple
three    Python
four     Python
Name: state, dtype: object

In [21]: frame2.year
Out[21]: 
one      2017
two      2018
three    2019
four     2020
Name: year, dtype: object

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，用索引字段ix

In [23]: frame2.ix['three']
Out[23]: 
year       2019
state    Python
pop           3
debt        NaN
Name: three, dtype: object

列可以通过赋值的方式进行修改，给空的‘debt’列附上一个标量值或一组值。

In [24]: frame2['debt'] = '10'

In [25]: frame2
Out[25]: 
       year   state pop debt
one    2017  simple   1   10
two    2018  simple   2   10
three  2019  Python   3   10
four   2020  Python   4   10

通过np.arange()为‘debt’列赋值

In [29]: frame2['debt'] = np.arange(4.)

In [30]: frame2
Out[30]: 
       year   state pop  debt
one    2017  simple   1   0.0
two    2018  simple   2   1.0
three  2019  Python   3   2.0
four   2020  Python   4   3.0

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，所有的空位都会被填上缺失值。

1 In [32]:  val = Series([1,3,4],index=['one','three','four'])
 2 
 3 In [33]: frame2['debt'] = val
 4 
 5 In [34]: frame2
 6 Out[34]: 
 7        year   state pop  debt
 8 one    2017  simple   1   1.0
 9 two    2018  simple   2   NaN
10 three  2019  Python   3   3.0
11 four   2020  Python   4   4.0

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 [35]: frame2['eastern'] = frame2.state=='simple'

In [36]: frame2
Out[36]: 
       year   state pop  debt  eastern
one    2017  simple   1   1.0     True
two    2018  simple   2   NaN     True
three  2019  Python   3   3.0    False
four   2020  Python   4   4.0    False

In [37]: del frame2['eastern']

In [38]: frame2.columns
Out[38]: Index([u'year', u'state', u'pop', u'debt'], dtype='object')

通过索引方式返回的列知识相应数据的视图，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应到源DataFrame上。通过Series的copy()即可显示地复制列