1:DataFrame创建
1:DataFrame创建:pd.DataFrame
import numpy as np
t=pd.DataFrame(np.arange(12).reshape((3,4)))
![3d00aa4e9c78dc770490a1642dd8de65.png](https://i-blog.csdnimg.cn/blog_migrate/b74160698e82dcbe750b55257bb12db6.png)
2:DataFrame创建,并指定行列索引
t=pd.DataFrame(np.arange(12).reshape(3,4),index=list('abc'),columns=list('wxyz'))
![f0299c3a914d70f9916c86116036b8d6.png](https://i-blog.csdnimg.cn/blog_migrate/0be12a262b9cd17f22add9e47f570167.png)
t
3:通过字典的方式创建DataFrame数组
第一种方式
d1={"name":["xiaoming","xiaogang"],"age":[15,67],"tel":[10086,10010]}
t1=pd.DataFrame(d1)
t1
![86f7bef8c0a14ea63d52d8786563624f.png](https://i-blog.csdnimg.cn/blog_migrate/e7d6b903299b9a12fdb3fb2a6637ccf8.png)
第二种方式
d2=[{"name":"xiaoming","age":18,"tel":10086},{"name":"xiaogang","tel":10086},{"name":"xiaowang","age":22}]
t2=pd.DataFrame(d2)
t2
![173484c852685f080f3eaffdc9c6bc94.png](https://i-blog.csdnimg.cn/blog_migrate/4df86006444ca7b918839fadbd35a0a0.png)
2:DataFrame对象既有行索引,又有列索引
行索引,表明不同行,横向索引,叫index,0轴,axis=0
列索引,表名不同列,纵向索引,叫columns,1轴,axis=1
3:DataFrame基础属性
1:列的索引 行的索引
t2.columns
t2.index
![4a0bf501eafcaa6a1dcc9262d0a7df4f.png](https://i-blog.csdnimg.cn/blog_migrate/37bf3e0b5ed4c759d38195ea91457fc7.png)
2:对象值
t2.values
![8d1835d1dc4c8b996da84326d91e5fb5.png](https://i-blog.csdnimg.cn/blog_migrate/396bf9df3f3ab08a6e78c07975aeac7b.png)
3:查看时几行几列的数据,行数 列数
t2.shape
![55aada0394ec40a1723750ede8ff6317.png](https://i-blog.csdnimg.cn/blog_migrate/ceff43d2699f1b8772bb2edc81f9d26c.png)
4:查看每一列的数据类型
t2.dtypes
![dcb3a4d3e17bafe710de27ce43111b7d.png](https://i-blog.csdnimg.cn/blog_migrate/58ffaeb52f44cfbeb87d13136424dd15.png)
5:查看当前数据的维度 当前时2维的
t2.ndim
![460547112d7738b97822264ea5d0d34a.png](https://i-blog.csdnimg.cn/blog_migrate/c44540f3880e39f8acad16e21bd54e9d.png)
4:DataFrame整体情况查询
1:显示前几行的数据,默认5行
t2.head(2)
![32e2aea1338c73951f0fa1dd23b5f77d.png](https://i-blog.csdnimg.cn/blog_migrate/e14f02266b85089a98f6e68b3b508e70.png)
2:显示后几行的数据,默认5行
t2.tail(1)