DataFrame基础

DataFrame

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

DataFrame的创建

    最常用的方法是传递一个字典来创建。
    DataFrame以字典的键作为每一【列】的名称，以字典的值（一个数组）作为每一列。
    此外，DataFrame会自动加上每一行的索引（和Series一样）。
    同Series一样，若传入的列与字典的键不匹配，则相应的值为NaN。
    
    df1 = DataFrame(data = {"Python":[99,101,120,78],
                          "数学":[120,136,141,149],
                          "汉语":[123,114,130,117]}, 
                          index = list("abcd"))

df1

DataFrame属性

df.values
df.columns
df.index
df.shape

DataFrame的索引

通过类似字典的方式
通过属性的方式
可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引，且name属性也已经设置好了，就是相应的列名。

​

使用.ix[]来进行行索引
使用.loc[]加index来进行行索引
使用.iloc[]加整数来进行行索引

对列进行索引

df2["Python"]
#Series
​
df2.Python
#这个很少用
​
df2[["Python","Java"]]
#DataFrame

对行进行索引

df2.loc["a"]
df2.loc[["a"]]
df2.iloc[0]
df2.iloc[[0,1]]
df2.loc["a":"b"]
#左闭右闭
df2.iloc[0:3]
#左闭右开
​

总结：
在进行列索引的时候 可以使用中括号 但是在进行行索引的时候， 不能使用中括号， 使用loc或者iloc
切片的时候， loc 左闭右闭， iloc 左闭右开
对元素索引的方法

 使用列索引
    使用行索引(iloc[3,1]相当于两个参数;iloc[[3,3]] 里面的[3,3]看做一个参数)
    使用values属性（二维numpy数组）
 

df["Java"]["b"]
df["Java"]["a":"c"]
df['Java'].iloc[0:2]

【注意】 直接用中括号时：

索引表示的是列索引

切片表示的是行切片

DataFrame的运算

DataFrame之间的运算

df1 + df2
df1.add(df2,fill_value=0)
Python 操作符与pandas操作函数的对应表：

Python Operator	Pandas Method(s)
+	add()
-	sub(), subtract()
*	mul(), multiply()
/	truediv(), div(), divide()
//	floordiv()
%	mod()
**	pow()

Series与DataFrame之间的运算

【重要】

• 使用Python操作符：以行为单位操作（参数必须是行），对所有行都有效。（类似于numpy中二维数组与一维数组的运算，但可能出现NaN）

• 使用pandas操作函数：
  axis=0：以列为单位操作（参数必须是列），对所有列都有效。
  axis=1：以行为单位操作（参数必须是行），对所有行都有效。
  ​

  #行数据
  s_row = df2.loc[“c”]
  s_row
  #列的数据
  s_column = df2[“Python”]
  s_column
  ​
  df2.add(s_column, axis = “index”)
  df2.add(s_row)
  #总结：DataFrame 和Series 进行运算的时候， 一定要严格的注意 axis 轴 对齐操作