系列文章目录:
python数据分析(一)——series和读取外部数据
python数据分析(三)——pandas缺失值处理
提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档
文章目录- 一、DataFrame创建
- 二、动手实例
- 1. 取次数最高的前几个名字
- 2. 取行或者列
- 3. 布尔索引
- 4. 字符串方法
- 三、loc
一、DataFrame创建
代码如下（示例）：
In [5]: pd.DataFrame(np.arange(12).reshape(3,4)) Out[5]: 0 1 2 3 0 0 1 2 3 1 4 5 6 7 2 8 9 10 11
DataFrame对象有行索引，也有列索引
行索引，表明不同行，横向索引，叫index，0轴，axis=0
列索引，表明不同列，纵向索引，叫columns，1轴，axis=1
代码如下（示例）：
In [6]: t1 = pd.DataFrame(np.arange(12).reshape(3,4),index=list("abc"),columns=list("wxyz"))
In [7]: t1
Out[7]:
w x y z
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
问题一：DataFrame和Series有什么关系？
回答一：DataFrame是Series的容器，取其中任意一行或者任意一列都是Series
代码如下（示例）：
In [8]: t2 = {"name":["xiaoshen","xiaoli"],"age":[20,21],"tel":[10086,10010]}
# 键变成列索引
In [9]:pd.DataFrame(t2)
Out[9]:
name age tel
0 xiaoshen 20 10086
1 xiaoli 21 10010
DataFrame的基础属性：
- t.shape # 行数 列数
- t.dtypes # 列数据类型
- t.ndim # 数据维度
- t.index # 行索引
- t.columns # 列索引
- t.values # 对象值，二维ndarray数组
DataFrame整体情况查询：
- t.head(3) # 显示头部几行，默认5行
- t.tail(3) # 显示末尾几行，默认5行
- t.info() # 相关信息概览：行数、列数、列索引、列非空值个数、列类型、行类型、内存占用
- t.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
回到之前读取狗名字统计的数据上，尝试一下刚刚的方法
如何知道使用次数最高的前几个名字是什么呢？
df.sort_values(by=“Count_AnimalName”, ascending=False)
代码如下（示例）：
import pandas as pd
# pandas读取csv中的文件
dogname = pd.read_csv(".../dogNames2.csv")
# print(dogname.head())
# print(dogname.info())
# dataframe中排序的方法
dogname_10=dogname.sort_values(by = "Count_AnimalName", ascending=False)
print(dogname_10[:10])
2. 取行或者列
问题一：刚刚知道了如何给数据按照某一行或者列排序，那么想单独研究使用次数前100的数据，应该如何做？
df.sorted = df.sort_values(by=“Count_AnimalName”)
df.sorted[:100]
如果数据有10列，想按照其中第1，第3，第8列排序，怎么办？(看ipythpn的帮助文档)
问题二：具体要选择某一列该怎么选择呢？df[“Count_AnimalName”]
问题三：要同时选择行和列该怎么办？
df[:100] [“Count_AnimalName”]
dogname_10[“Row_Labels”][:10]和dogname_10[:10][“Row_Labels”]都可
代码如下（示例）：
# pandas取行或者取列的注意点 # 一、方括号写数字，表示取行，对行进行操作 print(dogname_10[:10]) # 二、写字符串，表示的列索引，对列进行操作 print(dogname_10["Row_Labels"][:10]) print(type(dogname_10["Row_Labels"])) # series类型3. 布尔索引
- & 且
- ｜ 或
注意点：
不同的条件之间需要用括号括起来
问题一：假如想找到所有使用次数超过800的狗名字，应该怎么选择？
dogname[dogname[“Count_AnimalName”]>800]
问题二：假如想找到所有使用次数超过800小于1000的狗名字，应该怎么选择？
dogname[(800 问题三：假如想找到所有使用次数小于800或者大于1000的狗名字，应该怎么选择？ dogname[(dogname[“Count_AnimalName”]<800)|(1000 问题四：想找到所有的使用次数超过700并且名字的字符串长度大于4的狗的名字，应该怎么选择？ dogname[(dogname[“Count_AnimalName”]>700)&(dogname[“Row_Labels”].str.len()>4)] 更多的经过pandas优化过的选择方式： 代码如下（示例）：
4. 字符串方法
三、loc
In [21]: t = pd.DataFrame(np.arange(12).reshape(3,4),index=list("abc"),columns=list("wxyz"))
In [22]: t
Out[22]:
w x y z
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
In [23]: t.loc["a","z"]
Out[23]: 3
In [24]: t.loc["a",:]
Out[24]:
w 0
x 1
y 2
z 3
Name: a, dtype: int64
In [25]: t.loc["a"]
Out[25]:
w 0
x 1
y 2
z 3
Name: a, dtype: int64
In [28]: t.loc[:,"y"]
Out[28]:
a 2
b 6
c 10
Name: y, dtype: int64
In [30]: t.loc[:,["y","z"]]
Out[30]:
y z
a 2 3
b 6 7
c 10 11
In [31]: t.loc[["a","b"],["y","z"]]
Out[31]:
y z
a 2 3
b 6 7
# 冒号在loc里面是闭合的，会选择到冒号后面的数据
In [33]: t.loc["a":"c",["y","z"]]
Out[33]:
y z
a 2 3
b 6 7
c 10 11
In [36]: t.iloc[1,:]
Out[36]:
w 4
x 5
y 6
z 7
Name: b, dtype: int64
In [37]: t.iloc[:,2]
Out[37]:
a 2
b 6
c 10
Name: y, dtype: int64
In [38]: t.iloc[:,[2,1]]
Out[38]:
y x
a 2 1
b 6 5
c 10 9
In [39]: t.iloc[[0,2],[2,1]]
Out[39]:
y x
a 2 1
c 10 9
In [41]: t.iloc[1:3,0:2]
Out[41]:
w x
b 4 5
c 8 9
In [42]: t.iloc[1:3,0:2] = 20
In [43]: t
Out[43]:
w x y z
a 0 1 2 3
b 20 20 6 7
c 20 20 10 11
In [44]: t.iloc[1:3,0:2] = np.nan
In [45]: t
Out[45]:
w x y z
a 0.0 1.0 2 3
b NaN NaN 6 7
c NaN NaN 10 11
