【python高级数据结构-数据框dataframe】

*** 数据框:由多个序列按照相同的index组织在一起形成一个二维表，可以视为字典的拓展或者有名字二维数组，是在数据分析中最常用到的数据格式之一 ***

数据框的特点
1、各列表成员必须是向量（数值型、字符型、逻辑型）、因子、数值型矩阵、列表，或 其它数据框；
2、作为数据框变量的向量、因子或矩阵必须具有相同的长度（行数）；
3、数据框可以自由的对行、列和单元进行操作；

1、数据框的创建

import pandas as pd
import numpy as np

##字典构造法
dic={"第一列":[1,2,3,4,5],
        "第二列":np.array([4,5,6,7,8]),
         "第三列":(7,8,9,10,11)}
data1=pd.DataFrame(dic)
data1

##数组构造法
arr=np.arange(0,15).reshape(5,3)
data2=pd.DataFrame(arr)
data2

##对数据框进行命名
data2.columns=["第一列","第二列","第三列"]
data2

##系列构造法
seri=[pd.Series([1,2,3,4,5]),pd.Series([4,5,6,7,8]),pd.Series([7,8,9,10,11])]
data3=pd.DataFrame(seri)
data3
##系列构造法是横向组合数据框

2、数据框属性的查看

##构造一个数据框（二维表）
data=pd.DataFrame({"姓名":["小红","小白","小兰","小花","小橙"],
                   "性别":["女","男","女","女","男"],
                   "年龄":[13,14,15,18,15],
                   "成绩":[98,96,99,94,90]})

#查看dataframe前3行
data.head(3)

## 查看数据框的形状
print("数据框的形状是： "+str(data.shape))

##查看数据框的大小
print("数据框的大小是： "+str(data.size))

#查看每一列的详情 
data.info()

#查看数据的描述性统计情况
data.describe()

3、数据框元素的访问

####数据框的元素的访问
#iloc（隐形索引）定位法
data.iloc[[0,1,2,3],[0,1,2]]
data.iloc[[0,1,2,3],1:3]
data.iloc[1:5,1:3]

#ioc（显式索引）定位法
data.loc[1,"姓名"]

#行列定位法
data["姓名"][3]
data[['姓名','成绩']][3:5]

#at定位法
data.iat[1,2]
data.at[1,"姓名"]

#### 数据框的行操作

##根据索引提取特定的行
data.iloc[[0,1,2,3]]  #提取索引为0,1，2,3的行
data.iloc[1:5]        #提取索引为1-4的行，不包含5索引         

##根据条件筛选行
##筛选出成绩>95的行
data_2=data[data['成绩']>95]
data_2

#### 数据框的列操作
#列操作
#查看所有列
print(data.columns)

#提取出姓名、年龄、成绩
data_1=data[[ '姓名', '年龄', '成绩']]

#删除年龄
data_1.drop(['年龄'],axis=1)

#增加一列
data_1['增加一列']=[1,1,1,1,1]
data_1