4.pandas常用数据结构dataframe和方法

通过pandas.Dataframe来创建Dataframe数据结构

pandas.Dataframe（data,index,dtype,columns）

上述参数中，data可以为列表、array（数组）或dict（字典）

上述参数中，index表示行索引，columns代表列名或者列标签

一种表结构。

series和dataframe常用方法如下：

方法名称	说明
values	返回对象所有元素的值
index	返回行索引
dtypes	返回索引
shape	返回对象数据形状
ndim	返回对象的维度
size	返回对象的个数
columns	返回列标签（只针对dataframe数据结构）

list1=[['张三',23,'男'],['李四',27,'女'],['王二',26,'女']]#使用嵌套列表，每一行
df1=pd.DataFrame(list1,columns=['姓名','年龄','性别'])#表头
df2=pd.DataFrame({'姓名':['张三'，'李四'、'王二'],'年龄':[23，27、26],'性别':['男'，'女'、'女']})
array1=np.array([['张三'，23，'男'],['李四'，27，'女'],['王二'，26，'女']])#使用numpy
df3=pd.DataFrame(array1,columns=['姓名','年龄','性别']，index=['a','b','c'])

#创建方式一
list1=[['张三',23,'男'],['李四',27,'女'],['王二',26,'女']]#使用嵌套列表，每一行
df1=pd.DataFrame(list1,columns=['姓名','年龄','性别'])#表头
df1.head(5)

姓名	年龄	性别
0	张三	23	男
1	李四	27	女
2	王二	26	女

#创建方式二：通过字典创建dataframe数据框结构
df2=pd.DataFrame({'姓名':['张三'，'李四'、'王二'],'年龄':[23，27、26],'性别':['男'，'女'、'女']})
df2
姓名	年龄	性别
0	张三	23	男
1	李四	27	女
2	王二	26	女
#创建方式三  通过数组创建数据结构
array1=np.array([['张三',23,'男'],['李四',27,'女'],['王二',26,'女']])#使用numpy
df3=pd.DataFrame(array1,columns=['姓名','年龄','性别'],index=['a','b','c'])
df3
姓名	年龄	性别
a	张三	23	男
b	李四	27	女
c	王二	26	女
df3.values#输出数据框的值，结果是数组结构
array([['张三', '23', '男'],
       ['李四', '27', '女'],
       ['王二', '26', '女']], dtype=object)
df3.index#输出行索引
Index(['a', 'b', 'c'], dtype='object')
df3.columns#输出列标签
Index(['姓名', '年龄', '性别'], dtype='object')
df3.columns.tolist()#输出列标签,转化为列表
['姓名', '年龄', '性别']
df3.ndim #有行与列构成的，所以二维
2
series1.ndim #只有一列，序列
1
df2.shape #几行几列
(3, 3)
series1.shape#一维数据结构，只有5个元素
(5,)
df3.size#元素个数
9
df3.dtypes#列标签的数据类型，通过数组定义的
姓名    object
年龄    object
性别    object
dtype: object
df2.dtypes#列标签的数据类型，通过字典定义的
姓名    object
年龄     int64
性别    object
dtype: object