2 --- dataframe（pandas）

前情提要：
【pandas的常用数据类型】
（1）Series一维，带标签数组
（2）DataFrame二维，Series容器



【DataFrame对象既有行索引，又有列索引】
（1）列索引，表明不同列，纵向索引，叫columns，1轴，axis=1（表现为行）
（2）行索引，表明不同行，横向索引，叫inde，0轴，axis=0   （表现为列）

【问题1】pandas之DataFrame的创建
'''
有2个问题：
（1）DataFrame和Series有什么关系？
* DataFrame的每一行或者每一列，都是Series

（2）Series能够传入字典，那么DataFrame能够传入字典作为数据么？那么Mongodb的数据是不是也可以这样传入呢？
* 列索引(axis=1，行) -----> 字典的键
  行索引(axis=0，列）-----> 序号0，1，2...
* 字典会根据键（key）的顺序进行排序
* pymongo是mongodb的python库，首先电脑里得有MongoDB数据库。这个学不学随意，也可以直接用mysql
'''

# case1
'''
DataFrame对象既有行索引，又有列索引：
（1）列索引,axis=1,叫columns
（2）行索引,axis=0，叫index
'''
import pandas as pd
import numpy as np
import string

t1 = pd.DataFrame(np.arange(12).reshape(3,4))
print(t1)

t2 = pd.DataFrame(np.arange(12).reshape(3,4),index=list('abc'),columns=list('WXYZ'))     # 3行4列
print(t2)

t3 = pd.DataFrame(np.arange(12).reshape(3,4),index=list(string.ascii_uppercase[:3]),columns=list(string.ascii_uppercase[-4:]))
print(t3)
print('**（1）**'*10)








# case2 ------ 字典
'''
字典：
（1）一个键对应多个值
（2）一个键对应一个值
'''
d1 = {
   'name':['xiaoming','xiaogang'],'age':[20,32],'tel':[10086,10010]}
t1 = pd.DataFrame(d1)
print(t1)
print(type(t1))

d2 = [{
   'name':'xiaohong','age':32,'tel':10010},{
   'name':'xiaogang','tel':10086},{
   'name':'xiaowang','age':18}]
t2 = pd.DataFrame(d2)
print(d2)
print(t2)
print('**（2）**'*10)








# case3 ----- MongoDB数据库的数据----不用运行，了解即可，。重点掌握mysql
'''
data = [{ }，{ }，{ }]
'''
from pymongo import MongoClient
import pandas as pd

client = MongoClient()       # 连接MongoDB数据库
collection = client['douban']['tv1']
data = list(collection.find())

# t1 = data[0]                # 用Series打开mongodb数据
# t1 = pd.Series(t1)
# print(t1)

df = pd.DataFrame(data)                # 用DataFrame打开mongodb数据
print(df)












# case4 ----- MongoDB数据库的数据----不用运行，了解即可，。重点掌握mysql
'''
（1）读取到的data = [{ }，{ }，{ }]
（2）find（）是mongodb查询整个集合（表）
（3）本操作的意思是：先遍历，取出想要的值放进一个大字典，再把这个大字典存入list列表中
'''
from pymongo import MongoClient
import pandas as pd

client = MongoClient()
collection = client['douban']['tv1']
data = collection.find()

data_list = []
for i in data:
    temp = {
   }
    temp['info'] = i['info']
    temp['rating_count'] = i['rating']['count']
    temp['rating_value'] = i['rating']['value']
    temp['title'] = i['title']
    temp['country'] = i['tv_category']
    temp['directors'] = i['directors']
    temp['actors'] = i['actors']
    data_list.append(temp)

# t1 = data[0]
# t1 = pd.Series(t1)
# print(t1)                # Series

df = pd.DataFrame(data_list)
print(df)                  # DataFrame

   0  1   2   3
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11
   W  X   Y   Z
a  0  1   2   3
b  4  5   6   7
c  8  9  10  11
   W  X   Y   Z
A  0  1   2   3
B  4  5   6   7
C  8  9  10  11
**（1）****（1）****（1）****（1）****（1）****（1）****（1）****（1）****（1）****（1）**
       name  age    tel
0  xiaoming   20  10086
1  xiaogang   32  10010
<class 'pandas.core.frame.DataFrame'>
[{'name': 'xiaohong', 'age': 32, 'tel': 10010}, {'name': 'xiaogang', 'tel': 10086}, {'name': 'xiaowang', 'age': 18}]
       name   age      tel
0  xiaohong  32.0  10010.0
1  xiaogang   NaN  10086.0
2  xiaowang  18.0      NaN
**（2）****（2）****（2）****（2）****（2）****（2）****（2）****（2）****（2）****（2）**

【问题2】DataFrame的描述信息
（1）DataFrame的基础属性
df.shape     行数，列数
df.dtypes    列数据类型
df.ndim      数据维度
df.index     行索引
df.columns   列索引
df.values    对象值，二维ndarray数组


（2）DataFrame整体情况查询
df.head（3） 显示前几行，默认5行
df.tail（3） 显示后几行，默认5行
df.info（ ） 相关信息概览：行数，列数，列索引，列非空值个数，列类型，内存占用

df.describe（） 快速综合统计结果：计数，均值，标准差，最大值，四分位数，最小值

# case1
import pandas as pd
import numpy as np
t = [{
   'name':'xiaohong','age':32,'tel'</