Pandas 数据分析-第二章（Pandas数据结构Dataframe）
Pandas 数据分析-第二章（Pandas入门：数据结构Dataframe）
第一章：Pandas数据结构Series
上面附上了一篇Series的文章，在看Dataframe之前必须先明白什么是Series。
DataFrame
DataFrame是一个表格型的数据结构（表格嘛你懂的）。每列可以诗不同的值类型（数值，字符串，布尔值）也可以理解为由Series组成的字典，回顾一下Series,Series是一个一维数组，带有索引的一维数组。DataFrame可以理解为Series组成的‘字典’。其实呢DataFrame中的数据是以一个或多个二维块存放的（并非列表字典），当然了具体是啥这里讨论毫无意义，最重要的是DataFrame是怎么使用的，再多说一句DataFrame是真的非常好用，非常好用，非常！好用！这么干巴巴说了半天，具体的例子看一下你就明白了。
构建DataFrame的方法有很多，最常用的就是传入一个字典（列表也可以）
In [34]: data = {'location':['beijing','hebei','tianjin','shandong'],'year':[2011,2013,2019,1998],'num':[1.4,1.8,-2.1,3.6]}
In [35]: data
Out[35]:
{'location': ['beijing', 'hebei', 'tianjin', 'shandong'],
'year': [2011, 2013, 2019, 1998],
'num': [1.4, 1.8, -2.1, 3.6]}
In [36]: df = pd.DataFrame(data)
In [37]: df
Out[37]:
location year num
0 beijing 2011 1.4
1 hebei 2013 1.8
2 tianjin 2019 -2.1
3 shandong 1998 3.6
传入的字典也有限制,所有字典的‘值’必须是等长的列表或Series。
字典的键生成columns,当然我们也可以自己设置index和columns。
In [50]: data = {'location':['beijing','hebei','tianjin','shandong'],'year':[2011,2013,2019,1998],'num':[1.4,1.8,-2.1,3.6]}
In [51]: df = pd.DataFrame(data,index=['a','b','c','d'],columns=['year','num','location','shit'])
In [52]: df
Out[52]:
year num location shit
a 2011 1.4 beijing NaN
b 2013 1.8 hebei NaN
c 2019 -2.1 tianjin NaN
d 1998 3.6 shandong NaN
通过修改columns的顺序可以控制列的顺序，如果传入的列在数据中找不到，就会产生NA值。
通过字典的方法可以将DataFrame的列获取为一个Series。
In [53]: df['year']
Out[53]:
a 2011
b 2013
c 2019
d 1998
Name: year, dtype: int64
In [54]: df.location
Out[54]:
a beijing
b hebei
c tianjin
d shandong
Name: location, dtype: object
那么你会问取一行怎么取呢
In [55]: df.ix['a']
/Users/gn/anaconda3/bin/ipython:1: DeprecationWarning:
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing
See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
#!/Users/gn/anaconda3/bin/python
Out[55]:
year 2011
num 1.4
location beijing
shit NaN
Name: a, dtype: object
虽然这个ix方法还可以使用，不过已经推荐我们使用.loc 和.iloc了，看一下这两个方法
In [56]: df.loc['a']
Out[56]:
year 2011
num 1.4
location beijing
shit NaN
Name: a, dtype: object
这个和上面的ix是一样的，以索引名取值，取出来的Series的索引也已经设置好了，是不是很方便？
再看一下上面推荐的.iloc
In [57]: df.iloc[1]
Out[57]:
year 2013
num 1.8
location hebei
shit NaN
Name: b, dtype: object
In [58]: df.iloc[:2]
Out[58]:
year num location shit
a 2011 1.4 beijing NaN
b 2013 1.8 hebei NaN
原来这个.iloc类似于列表的切片，.iloc取值并非根据索引名，而是通过给其顺序来切片完成的取值。这两个方法这里只是简单的介绍一下，后面还会自己说。
之前，我们的DataFrame有一列所有的值都是NA，我们可以给这列赋值，
In [61]: df['shit']=10.1
In [62]: df
Out[62]:
year num location shit
a 2011 1.4 beijing 10.1
b 2013 1.8 hebei 10.1
c 2019 -2.1 tianjin 10.1
d 1998 3.6 shandong 10.1
也可以这样,直接将Series传入
In [64]: df['shit'] = np.arange(4)
In [65]: df
Out[65]:
year num location shit
a 2011 1.4 beijing 0
b 2013 1.8 hebei 1
c 2019 -2.1 tianjin 2
d 1998 3.6 shandong 3
也可以传入一个列表
In [66]: df['shit'] = [3,2,1,1]
In [67]: df
Out[67]:
year num location shit
a 2011 1.4 beijing 3
b 2013 1.8 hebei 2
c 2019 -2.1 tianjin 1
d 1998 3.6 shandong 1
传入的值是Series时，是按照index来匹配的
In [68]: df['shit'] = pd.Series([1,2,3,4],index=['d','c','b','a',])
In [69]: df
Out[69]:
year num location shit
a 2011 1.4 beijing 4
b 2013 1.8 hebei 3
c 2019 -2.1 tianjin 2
d 1998 3.6 shandong 1
那你你会问直接传字典行不行呢？
In [70]: df['shit'] = {'a':1.1,'b':2.2,'c':3.3,'d':4.4}
In [71]: df
Out[71]:
year num location shit
a 2011 1.4 beijing a
b 2013 1.8 hebei b
c 2019 -2.1 tianjin c
d 1998 3.6 shandong d
emm，看来不行 大家可以自行尝试但是有一些前提
1.长度必须跟DataFrame的长度匹配（多了就报错少了可以）
2.列表可以 字典却只能把键赋值过去
3.如果是赋值的Series长度少于DataFrame的化，缺少的值就是NA。
我们看一下Series长度少于DataFrame的情况
In [74]: df
Out[74]:
year num location shit
a 2011 1.4 beijing NaN
b 2013 1.8 hebei 3.0
c 2019 -2.1 tianjin 2.0
d 1998 3.6 shandong 1.0
总体来说给DataFrame赋值还是比较方便的。
为了拓宽一下视野，这个给DataFrame赋值我还可以这样用
In [75]: df['new'] = df['year'] > 2000
In [76]: df
Out[76]:
year num location shit new
a 2011 1.4 beijing NaN True
b 2013 1.8 hebei 3.0 True
c 2019 -2.1 tianjin 2.0 True
d 1998 3.6 shandong 1.0 False
意思是我创建了名为‘new’的新列，这列的数据是df[‘year’] >2000，很显然后面这个是一个布尔值（DataFrame当然可以存放布尔值啦）,意义是year是否大于2000，大于返回True，小于等于返回False。
那我们筛选一下看看
In [77]: df[df['new'] == True]
Out[77]:
year num location shit new
a 2011 1.4 beijing NaN True
b 2013 1.8 hebei 3.0 True
c 2019 -2.1 tianjin 2.0 True
关于DataFrame的修改其实还是有挺多正确和错误的用法
详细的信息：DataFrame赋值
英语不好也不影响，毕竟看代码就可以了。。
这一节主要讲的诗如何创建DataFrame,如何修改它，顺便简单学了学切片和取值。之后的是DataFrame的索引对象，知识点很多也很杂。总之加油吧