pandas-----DataFrame

10 、pandas-----DataFrame

10.1 创建dataframe对象

import numpy as np
import pandas as pd


df1 = pd.DataFrame(list('asdf'),columns=['M'])
print(df1)
print('%%%%%%%%%%%%%%%%%%')
df2 = pd.DataFrame(np.random.randint(10,100,(4,4)))
print(df2)
print('%%%%%%%%%%%%%%%%%')
dict_new = {
    'names':['大王','wang2','wang3'],
    'age':18,
    'country':'中国',
}
df3 = pd.DataFrame(dict_new)
print(df3)
print(df3.dtypes)
print(df3.index)
print(df3.columns)

展示：
   M
0  a
1  s
2  d
3  f
%%%%%%%%%%%%%%%%%%
    x   y   z  z2
0  36  67  88  20
1  69  43  86  37
2  68  79  22  11
3  59  61  18  13
%%%%%%%%%%%%%%%%%
   age country  names
0   18      中国     大王
1   18      中国  wang2
2   18      中国  wang3
dtype: object
RangeIndex(start=0, stop=3, step=1)
Index(['age', 'country', 'names', 'price'], dtype='object')

注意点：
1、dataframe对象创建可以通过一维数组和多维数组创建
2、可以指定行，列索引，index指定的是行索引，columns指定的是列索引
3、如果使用的是字典创建：
	（1）字典的键名作为列索引
	（2）单个的字符串或者数字，扩充到最大个数
	（3）如果是多个元素，保证元素的个数是相同的
4、series对象的本质是一个一维数组加索引
  dataframe对象的本质是多个series对象共用一个行索引

10.2 df对象的讲解

print('^^^^^^^^^^^^^^^^')
print(df3['names'])
print(df3['names'].values)
print(type(df3['names']))
展示：
A       大王
B    wang2
C    wang3
Name: names, dtype: object
['大王' 'wang2' 'wang3']
<class 'pandas.core.series.Series'>

注意点：
1、dataframe对象是由很多个series对象组成的，只不过这些series对象共享一个行索引
2、df[索引]获取了一列数据



print('查看当前df对象的详细信息')
print(df3.info())

展示：
查看当前df对象的详细信息
<class 'pandas.core.frame.DataFrame'>
Index: 3 entries, A to C
Data columns (total 4 columns):
age        3 non-null int64
country    3 non-null object
names      3 non-null object
price      3 non-null float64
dtypes: float64(1), int64(1), object(2)
memory usage: 120.0+ bytes
None

df3 = pd.DataFrame(dict_new,index=list('ABC'))
df3.index.name='index_name'
df3.columns.name = 'col_name'
展示：
col_name    age country  names  price
index_name                           
A            18      中国     大王   1.23
B            18      中国  wang2   1.23
C            18      中国  wang3   1.23