DataFrame

DataFrame 是一个带有索引的二维数据结构，每列可以有自己的名字，并且可以有不同的数据类型。你可以把它想象成一个 excel 表格或者数据库中的一张表，DataFrame 是最常用的 Pandas 对象。

创建

在构建 DataFrame 的时候,主要有两种思路

1. 数据为字典类的格式, 是以列的方式进行组织, 字典的 key 将会作为列名,字典的值value作为列的数据.

2. 数据为列表类形式, 是以行的方式进行组织的, 列名需要用参数传入进去.

3. 从本地磁盘文件读取：pd.read_....
   

参数说明:

- filepath_or_buffer, 文件路径

- sep=',', 文件分隔符

- delimiter=None, 同上

- header='infer', 用哪一行作为列名

- names=None, 当读取进来没有列名的时候, 可以用这个设置列名

- index_col=None, 用哪一列作为数据行索引

DataFrame 的索引和切片

提取数据表中的列, 是最常用的操作之一, 因此这个操作也非常简单。

只要把列名作为索引的 key 就可以了，也可以把列当做 DataFrame 的属性提取（.列名）。

索引和切片对应字典和列表的两种方式,也是分为两种思路, 分别是显式索引和隐式索引

显式索引

在显示索引中,把 DataFrame 的索引值当做第一个轴的 key,把列名当做第二个轴的 key

语法 df.loc[索引行,索引列 ]

序列值索引

隐式索引

使用 iloc() 也就是 index_loc

这种方式不看你的行索引和列索引是什么名称,

可以把数据当做是一个有序列表, 只看数据是处于表中的一个什么位置.

新增/删除列

新增行: .loc['行名'] 加"="为修改

新增列: .loc[:,'列名']

删除行/列

.pop()和.drop():index=None 删除行,columns=None 删除列

查看前几条信息:head()

查看后几条信息:tail()

转置: .T

掩码提取数据:

利用逻辑判断提取数据

逻辑关系:

与 and &

或 or |

非 not ~

保存数据:to_****()