上一节对 Pandas 整体有了一个简单的认识，接下来我们看一下 Pandas 的数据结构到底是什么，先使用 type( ) 查看一下变量类型
import pandas as pd
movie_pd = pd.read_csv('douban_movie.csv', header = 0, sep = '\t')
print type(movie_pd)
输出结果如下：
可见，Pandas 的基本数据结构是 DataFrame, 怎么理解这个 DataFrame 呢？
其实 DataFrame 类似于 Excel 中的表，表有行标题和列标题，比如下面这个表：
对应的 DataFrame 就是：
movie_count total_vote average_score
BJ 126 1762312 8.6
SH 138 2083123 8.3
TJ 95 891212 7.9
CQ 88 762310 8.1
是不是很像，在 Pandas 中，列名相当于列标题 movie_count、total_vote、average_score，而行标题 BJ、SH、TJ、CQ 就相当于 索引。
那么如何创建一个新的 DataFrame 呢？使用 pd.DataFrame( ) 方法即可，具体有两种方式：
- 按列创建
比如说创建一个只有 电影类型 category 和 电影评分 score 两列的 DataFrame，直接扔进去一个字典，字典的键将作为列名，对应键的值将作为列值。
temp_dict = {
'score': [ 8.9, 8.2, 9.3 ],
'category': ['悬疑', '动作', '爱情']
}
temp_pd = pd.DataFrame(temp_dict)
print temp_pd
输出结果如下：
category score
0 悬疑 8.9
1 动作 8.2
2 爱情 9.3
- 按行创建
上述 DataFrame 也可以使用按行创建的思路生成，但实际中使用的并不多，创建时需要传入一个列表进去。
row1 = [8.9, '悬疑' ]
row2 = [8.2, '动作']
row3 = [9.3, '爱情' ]
temp_pd = pd.DataFrame([ row1, row2, row3 ], columns = ['score', 'category'])
不同的是，按行创建一般需要指定列名，使用 columns = ['score', 'category'] 来分别对列重命名，否则默认的列名是以数字命 0、1 命名的，使用起来并不直观。
新创建的 DataFrame，或者从文件读入的 DataFrame，默认的索引都是从 0 ~ N-1 的数字，其中 N 为 DataFrame 的长度，可以使用 len( ) 来获取。
print len(temp_pd)
print temp_pd.index
temp_pd.index = ['movie_1', 'movie_2', 'movie_3']
print temp_pd.columns
temp_pd.columns = ['movie_score', 'movie_category']
print temp_pd
print temp_pd.values
数据结果如下：
3
RangeIndex(start=0, stop=3, step=1)
Index([u'category', u'score'], dtype='object')
movie_score movie_category
movie_1 悬疑 8.9
movie_2 动作 8.2
movie_3 爱情 9.3
[['\xe6\x82\xac\xe7\x96\x91' 8.9]
['\xe5\x8a\xa8\xe4\xbd\x9c' 8.2]
['\xe7\x88\xb1\xe6\x83\x85' 9.3]]
index 可以获取 DataFrame 的索引，更改之前是 0、1、2，之后变为了movie_1、movie_2 、movie_3 。
columns 可以获取 DataFrame 的列名，更改之前是 score 、category，之后变为了movie_score、movie_category。
values 则可以获取 DataFrame 的值，每一行各个列的值都是一个列表，所有的行整体又组成一个列表，有点类似于二维数组。
同时也可以通过赋值的方式更改 DataFrame 的索引 index、列名 columns。
划重点
- DataFrame 类似于 Excel 中的表，有行和列
- index 索引、columns 列名 、values 值
- pd.DataFrame( ) 创建一个新的 DataFrame，可以传入字典或列表