一.简介

DataFrame是一个二维的表格型结构，可以视为Series的容器，规定每一列所有元素的数据类型必须相同，不同列的元素数据类型可以不同

DataFrame有行索引和列索引（或者称为行标签、列标签），分别可以用index和columns进行查看

库的导入：

import  numpy as np
import pandas as pd 

二.创建

DataFrame的创建有两种方法：

一是通过对其他已经存在的数据结构进行转化得到的，最简单直接的方法就是利用DataFrame（对象）函数进行转化

支持转化的数据结构包括dict、list、numpy的ndarray等等

二是读取excel、csv等文件

1.python字典型

python中的字典型是由键值对组成的，值将作为DataFrame的内容，键将作为列索引

dict={
    "时间":pd.date_range("20200101",periods=7),
    "新增感染人数":[1,8,4,0,0,3,2],
    "治愈人数":[3,2,5,4,1,0,1],
    "死亡人数":[0,0,0,1,0,1,0],
}

df=pd.DataFrame(dict)

这是一种比较常用的生成DataFrame的方法

列索引为字典的键，行索引则为从0开始，步长为1的整数序列：

要注意的是，不是所有字典都能进行转化的，要求：

①字典中的’值‘由等长的列表或数组或Series构成，否则会报错：arrays must all be same length

②更严格的说，字典中的值还可以是一个字符串，可以是一个数字，它们会被视为由n个字符串/数字组成的数组（n为其他数组的长度），换言之它们所在的列内容将是全部相同的。

将前例的字典做了一个小的改动："死亡人数":'AB'

③字典的值中必须起码含有一个列表/数组/Series，不能全部是数字、字符串，否则会报错：ValueError: If using all scalar values, you must pass an index

很好理解，前文说过要求所有值是等长的，如果出现字符串或数字这样的标量（scalar values），则会复制n份变成数组，当全部都是标量时，它无法确定要复制几份所以报错了，换言之无法确定要生成的DataFrame行索引是怎么样的

解决办法是通过给index（行索引）赋值，帮助编译器确定要复制几份：

df=pd.DataFrame(dict,index=[1,2])

—————————————————————————————————————

也可以将嵌套字典转化为dataframe，字典的外层键将被作为列索引，内层键作为行索引：

dict={
    'A':{
        'a':1,
        'b':2,
        'c':3
    },
    'B':{
        'd':[2,6,7],
        'b':[4,5],
    }
}
df=pd.DataFrame(dict)

嵌套字典不会对字典的值作出要求，空缺的部分会用Nan来补上：

—————————————————————————————————————

将字典型转化为DataFrame的另外一种方法是通过from_dict函数，例：

df=pd.DataFrame.from_dict(dict)

但是相比之下DataFrame()函数更方便快捷

2.嵌套list/numpy的多维数组

行索引或列索引默认为整数序列：

df=pd.DataFrame([[3,4,5,'6'],[2.1,3.2,4.4,5],[0,1,2,3]])
print(df)

效果如下：

注意：

①若嵌套列表的子列表的长度不相同，空缺的部分会由Nan补上

②嵌套列表的每一个子列表被视为一行。若转化的对象是列表而不是嵌套列表，则每一个元素视为一行

3.文件读取

以读取excel文件为例：

利用函数read_excel将文件中的内容提取到DataFrame中，参数为文件的路径名

字符串前的r是防止字符串中的\被解释为转义字符

df=pd.read_excel(r"C:\Users\93297\Desktop\豆瓣电影数据.xlsx")

三.操作

1.索引的赋值

①可以自己给索引赋值，行索引用index赋值，列索引用columns赋值

df=pd.DataFrame(np.random.rand(5,6))
df.index=pd.date_range("20000101",periods=5)
df.columns=list('ABCDEF')
print(df)

👆将一个numpy库中生成的随机数数组转化为了dataframe结构，index（行）为时间序列，columns为字母:

—————————————————————————————————————

索引应该本质上是numpy库中的数组而不是list，因为我发现索引支持df.index=df.index+1的操作

②可以用rename函数对索引进行个别修改：

直接对index和columns赋值意味着修改所有的索引名，而使用rename函数可以实现个别索引名的修改

用法：

df=df.rename(index={原索引名：修改后的索引名},columns={原索引名：修改后的索引名})

参数由两个字典组成，每个键值对的键代表原索引名，值代表修改后的索引名

③可以用set_index函数将某一列或多列设置为索引：

例：df=df.set_index('A',drop=True)

参数drop表示将该列设置为参数后是否从数据中删除该列，默认为True

也可以将多列设置为参数：df=df.set_index(['A','B'])

④可以用reset_index函数将行索引恢复为默认值（从0开始的整数序列）

参数drop=True会删除原索引，为False则将原索引变为数据中的一列

2.查看

①head函数

参数为n代表行数，默认为5

head函数可以查看表格中的前n行

df.head(3)

②tail函数

与head相对应，查看表格的后n行

③直接用中括号

在dataframe后直接用中括号来访问元素，括号内参数若为切片则访问行，否则访问列

访问行：

df[3:10:2]，表示3、5、7、9行

（住：因为索引都是从0开始，所以称”第一行“为第0行，下同）

当行索引并非整型时，也可以：

df['20000101':'20000104']

表示行索引20000101到20000104的四行

访问列：

中括号内为索引名或索引名组成的列表即访问列：

需要注意的是df[3]表示索引名3的列，而不是第三行，也不是第三列！

df[['A','B']]表示A、B列

注意要写两个中括号，里面的中括号是列表的一部分

同时访问行列：

df['A'][1:3]和df[1:3]['A']都表示A列第1、2行，也就是说顺序是无所谓的，若中括号内为切片则代表行，为其他则代表列

④iloc函数

iloc函数是Selection by Position的函数，根据位置来找元素，传入的参数是代表位置的整型数据（整数列表、切片、单个整数）

比如df.iloc[:2,3]表示第0、1行的第3列，与索引无关

比如df.iloc[[2,3],4:6]代表第2、3行的4、5列

⑤loc函数

loc函数是Selection by Label的函数，即根据标签（索引）来找元素，传入的参数为行、列的索引名（列表、切片、单个索引皆可）

比如df.loc['20000101','B']代表行索引为日期’20000101’，列索引为’B’的元素

比如df.loc[['2000-01-01','2000-01-03'],'A':'C']代表行索引为2000-01-01和2000-01-03的A、B、C列

注意无论是iloc还是loc都是用中括号而不是小括号的，且若只有一个参数则会被认为是访问行

⑥at、iat

at和loc用法一样，但是只能定位单个元素

iat和iloc用法一样，但是只能定位单个元素

所以其实loc和iloc包含了at和iat的功能

3.添加

①append：

利用append函数向dataframe中添加新的行：

append函数添加的对象可以为dataframe、series、dict、list等数据结构

注意事项：

1. 如果添加的对象含有DataFrame中不含有的列名，则这些列被当做新的列添加！产生的空位将由Nan补上
2. 参数ignore_index默认为False，若为True则生成的新DataFrame的行索引会重新分配，变为从0开始、步长为1的整数序列
3. 当添加的对象为字典型和列表型时，参数ignore_index必须设为True，不然会报错（因为不知道编译器该如何设置它们的行索引）。但注意ignore_index是重新分配行索引，所以可能会改变原DataFrame的行索引，为了避免这种情况的发生可以将字典型或列表型转化为Series后再加入
4. 当添加的对象为Series时，需要为Series的name赋值，Series的索引被视为列索引，name被视为行索引加入DataFrame中
5. 若添加的对象为DataFrame，则相当于两个DataFrame的拼接

②insert():

append函数主要用来添加行，insert函数则用于添加列

DataFrame.insert(loc, column, value, allow_duplicates=False)

参数解释：

loc : 参数column插入的位置，如果想插入到第一例则为0，取值范围： 0 <= loc <= len(columns),其中len(columns)为Dataframe的列数

column :插入列的列索引名

value : 插入的数据，可以为数组、列表、Series或数字、字符串

allow_duplicates : 默认 False，正常情况下DataFrame不允许存在重复的列名，若将该值修改为True则允许存在

③loc：

利用loc同样可以实现在末尾添加一行的操作

例：

dict={
    'M':4,
    'B':2.5,
    'X':4.4
}

df.loc[5]=dict

注意事项：

1. 若添加对象的列名在DataFrame不存在则会被无视，这一点和append不同
2. 产生的空位由Nan补上
3. 本质上其实是数据的修改，但是因为行索引名不存在所以会在末尾加上一行。这也解释了为什么iloc不行而loc行的原因，同时也指出了这种方法的一个缺陷，就是若行索引名已存在则无法添加而是会修改值，与之相比append()在添加时即便已经存在相同的行索引名仍可以添加

④直接用中括号

和loc相对应的一种方法，直接在DataFrame后跟一个中括号，并且中括号内的列索引名是之前不存在的，则可以实现在末尾添加一列的操作

⑤总结：

loc和直接用中括号分别可以在末尾插入行、列，但是本质是修改数据且有缺陷（不能有相同的索引名）所以不建议使用

append()函数用于在末尾添加行，也可以实现两个DataFrame的拼接

insert()函数可以在任意位置插入列

至于在任意位置插入一行的方法目前还没发现，可以使用先分割，再末尾插入，再拼接起来的做法

4.修改

数据的修改即重新赋值，利用at、iat、loc、iloc、或者直接用中括号都可以，用赋值运算符重新赋值即实现了修改

5.删除

利用drop函数进行删除：

DataFrame=DataFrame.drop()

具体而言有两种方法：

①给出axis+labels

axis来指定要删除行还是列

axis=0代表删除行

axis=1代表删除列

具体的索引名则由参数labels来给出，可以是单个索引名或索引名组成的列表

②指定index和columns

相比上面的方法，这种方法可以同时删除行和列，即直接指定index和columns（分别代表行、列，可以是单个索引名或索引名组成的列表）