DataFrame对象

​（1）定义和创建
（2）数据访问
（3）常用方法
（4）常见操作
​

(1)定义和创建

​    DataFrame可以看作是一种既有行索引，又有列索引的二维数组，类似于Excel表或关系型数据库中的二维表，是Pandas中最常用的基本结构。

names = ['aa','dd','ee','oo','ff']
ages = [45,87,65,32,54]
pd.Series(ages,names)
data_2 = pd.DataFrame({'姓名':names,'年龄':ages})
data_2

结果为：

	姓名	年龄
0	aa	45
1	dd	87
2	ee	65
3	oo	32
4	ff	54

(2)数据访问

data_2[['姓名','年龄']]  #根据列名访问

	姓名	年龄
0	aa	45
1	dd	87
2	ee	65
3	oo	32
4	ff	54

data_2.年龄
data_2.年龄>50   #根据属性表达式判断数据返回逻辑
data_2['年龄'][3]  #根据列名和标签访问具体数据
data_2.loc[3,'姓名']  #根据列名显示索引访问
data_2.iloc[0:3,1:2]  #根据序号隐式索引访问

	年龄
0	45
1	87
2	65

（3）常用方法

（4）常见操作

​(1)Pandas中的缺失值处理
(2)Pandas中的分组操作
(3)Pandas中的数据合并操作
 

#导入库
import pandas as pd   
import numpy as np    
import matplotlib.pyplot as plt  

#1.使用Pandas读取两个表格数据，并将其根据姓名进行合并
data_1 = pd.read_excel('../Stu_pack/pandas/exer_1.xlsx',skiprows = 1)#读取文件数据
data_2 = pd.read_excel('../Stu_pack/pandas/exer_2.xlsx',skiprows = 1)
#print(data_1)#打印数据
#print(data_2)
data_2
data_3 = pd.merge(data_1,data_2)#用merge()方法合并数据
data_3
#data_1.join(data_2.set_index('姓名'),on = '姓名') #用join（）方法合并

#2.实现按总分或语文、数学、英语单科从高到低排序功能；
def sort(df,col):
    ss = df.sort_values(by = col,ascending = False)   #根据某一列的值降序（从高到低）排序
    return ss

col = input('请输入您要排序的列名：')
sort(data_3,col)    #调用排序函数

请输入您要排序的列名：

#3
data_2[(data_2['语文']<60)|(data_2['数学']<60)|(data_2['英语']<60)]#判断某一列有不及格的行数据

data_2[(data_2.语文<60)|(data_2.数学<60)|(data_2.英语<60)]#用属性索引判断