十三、DataFrame表格型数据结构_dataframe格式-CSDN博客

本文链接：https://blog.csdn.net/m0_61834747/article/details/127790977

1、dataframe是什么

series是有一组数据与一组索引（行索引）组成的数据结构，而dataframe是由一组数据与一对索引（行索引和列索引）组成的表格型数据结构。之所以叫表格型数据结构，是因为dataframe的数据形式和Excel的数据存储形式很相近，接下来的章节主要围绕dataframe这种表格型数据展开。下面就是一个简单的dataframe数据结构。

                技能

第一        Excel

第二        SQL

第三        Python

第四        PPT

上面这种数据结构和Excel的数据结构很像，既有行索引又有列索引，由行索引和列索引确定唯一值。

2、创建一个dataframe

创建一个dataframe使用的方法是pd.dataframe（），通过给dataframe（）方法传入不同的对象即可实现。

传入一个列表。

出入一个列表的实现如下所示。

import panda as pd
df1 = pd.DataFrame(["a","b","c","d"])
df1

只传入一个单一列表时，该列表的值会显示成一列，且行和列都是从0列开始的默认索引。

传入一个嵌套列表

df2 = pd.DataFrame([["a","A"],["b","B"],["c","C"],["d","D"]])
df2

当传入一个嵌套列表时，会根据嵌套列表数显示成多列数据，行、列索引同样是从0开始的默认索引。列表里面嵌套的列表也可以换成元组。

指定行、列索引

如果只给dataframe（）方法传入列表，dataframe（）方法的行、列索引都是默认值，则可以通过设置column参数自定义索引，设置index参数自定义行索引。

设置列索引

df31 = pd.DataFrame([["a","A"],["b","B"],["c","C"],["d","D"]],
columns = ["小写","大写"])
df31

设置行索引

df32 = pd.DataFrame([["a","A"],["b","B"],["c","C"],["d","D"]],
index = ["一","二","三","四"])
df32

行、列索引同时设置

df33 = pd.DataFrame([["a","A"],["b","B"],["c","C"],["d","D"]],
columns = ["小写","大写"],
index = ["一","二","三","四"])
df33

传入一个字典

data = {"小写":["a","b","c","d"],"大写":["A","B","C","D"]}
df41 = pd.DataFrame(data)
df41

直接以字典的形式传入dataframe时，字典的key值就相当于列索引，如果没有设置行索引，行索引还是使用从0开始的默认索引，同样可以使用index参数自定义行索引。

data = {"小写":["a","b","c","d"],"大写":["A","B","C","D"]}
df42 = pd.DataFrame(data,index = ["一","二","三","四"])
df42

3、获取dataframe的行、列索引

利用column方法获取dataframe的列索引。

df2.columns
RangeIndex(start = 0 ,stop = 2,step = 1)
df33.columns
Index(['小写','大写'],dtype='object')

利用index方法获取dataframe的行索引。

df2.index
RangeIndex(start = 0 ,stop = 2,step = 1)
df33.index
Index(['一','二','三','四'],dtype='object')

4、获取dataframe的值

获取dataframe的值就是获取dataframe中的某些行或列。