（一）Dataframes安装与类型 #Julia数据分析 #CDA学习打卡

目录

一. Julia简介

二. Dataframe构造方法

1）访问列的方式

（a）判断严格相等

i. 切片严格相等是true

ii. 复制严格相等是false

（b）判断相等

i. 切片相等是true

ii. 复制相等是true

2）获取列名称

（a）使用names函数获取列名

（b）通过第二个参数过滤条件来选择列名

（c）使用propertynames函数将列名称作为Symbol

3）通过列构造新的列

4）通过行构造新的行

5）通过另一个表类型构造

---

一. Julia简介

Julia是一种即时(Just-In-Time，JIT)编译语言，而不是脚本（解释）语言（如Python，R，Ruby等）。这使得Julia作为是一种动态的高级语言， 无需浪费时间走一趟解释器，就能被编译为可在CPU上直接执行的机器代码。同时也不像C语言那样，在运行前才能全部编译，因而具备更多灵活度和交互能力。

与Python对比

二. Dataframe构造方法

DataFrames包可通过Julia包系统获得，并且可以使用以下命令进行安装：

DataFrame是一个表格型的数据结构，用向量(vectors)组成的序列(series)表示数据表，每个序列对应列或一组变量。最简单的DataFrame构造方法，是使用关键字参数或传递一对列向量：

1）访问列的方式

df.A、df."A”：列可以直接访问（即无需复制）

df[!, :A]、df[!, "A"]：更灵活，因为它们允许传递列名，并且不仅仅是一个名称，还可以是符号（如df[!, :var"A"]或df[!, Symbol("A")]）或字符串（如df[!, "A"])。

df[[1,3],:A]：还可以使用整数指定其位置的索引来访问列。

df[!,:col]：切片，不会复制，更改列中元素将会改变df的原始值。

df[:,:col] ：复制，获取列的副本，更改列中元素不会改变df。

（a）判断严格相等

i. 切片严格相等是true

ii. 复制严格相等是false

（b）判断相等

i. 切片相等是true

ii. 复制相等是true

2）获取列名称

（a）使用names函数获取列名

（b）通过第二个参数过滤条件来选择列名

（c）使用propertynames函数将列名称作为Symbol

DataFrames.jl允许使用Symbol (:A)和字符串（"A")操作所有列索引。但是，使用Symbol更快一点
如果不声明它们(generating)，通常应该是首选通过字符串操作。

3）通过列构造新的列

从一个空的DataFrame开始并一一新增列：

4）通过行构造新的行

逐行构造“DataFrame"的性能明显低于一次全部构建，或逐列构建。对于许多用例，这无关紧要，但对于非常大的DataFramei这可能是一个需要考虑的因素。

首先构造一个空的具有两列的数据框（第一列元素类型是整数，第二个元素类型是字符串)：

5）通过另一个表类型构造

DataFrames支持Tables.jl接口与表格数据交互。这意味着“DataFrame”可以用作“源”链接到任何需要Tables.jl接口输入的包，（文件格式包，数据操作包等）。DataFrame也可以是任何Tables.jl的接收器接口输入。

Bye！