pandas数据结构之DataFrame（数据帧）

DataFrame是Pandas中的一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)，DataFrame即有行索引也有列索引，可以被看做是由Series组成的字典。

说到表格，你可以把DataFrame想象成一个excel表格，或者一张sql表，它是pandas使用频率最高的一种数据结构，掌握了DataFrame才算是真正的掌握了pandas

1. 创建一个DataFrame

创建一个DataFrame的方式可谓是多种多样，五花八门，下面罗列出常用的创建DataFrame方法

用字典创建DataFrame
用列表创建DataFrame
用value是series的字典创建DataFrame
用另外一个DataFrame创建

1.1 创建一个空的DataFrame

import pandas as pd
df = pd.DataFrame()
print(df)

程序输出结果

Empty DataFrame
Columns: []
Index: []

1.2 使用字典创建DataFrame

先看例子，再解释具体方法

import pandas as pd

data = {
    '语文': [90, 98, 87, 90],
    '数学': [92, 87, 90, 98]
}

df = pd.DataFrame(data)
print(df)

df的内容为

前面提到过，你可以把dataframe理解为一张excel表格，如此一来，语文，数学就算是表格的标题，在DataFrame中，他们是列索引。接下来是4行数据， 0，1，2，3，是行索引。显然，现在还缺少名字这一列，我们可以把名字单独作为一列，也可以把名字设置为索引，自需要修改一行代码就可以实现这个目标

df = pd.DataFrame(data, index=['小明', '小红', '小刚', '小丽'])

df的内容变为

    语文  数学
小明  90  92
小红  98  87
小刚  87  90
小丽  90  98

为什么说pandas是做数据分析的利器呢，因为使用它分析数据是在是太方便了，现在，我就来演示一下使用pandas做数据分析，我设置以下几个数据分析的目标

语文最高分
找出总分最高的学生

代码实现如下

import pandas as pd

data = {
    '语文': [90, 98, 87, 90],
    '数学': [92, 87, 90, 98]
}

df = pd.DataFrame(data, index=['小明', '小红', '小刚', '小丽'])
yuwen_series = df['语文']
max_yuwen = yuwen_series.max()  # 语文最高分
print('语文最高分{max_score}'.format(max_score=max_yuwen))

# 创建出总分列, 由每一行的语文和数学分数相加
df['总分'] = df['语文'] + df['数学']
max_sum = df['总分'].max()

stu_name = df['总分'].idxmax()
print('{stu}总分最高, {score}'.format(stu=stu_name, score=max_sum))

输出结果

语文最高分98
小丽总分最高, 188

关于代码，有几处需要做一些解释

df['语文']类型是Series
df['总分']是新创建的一列，可以有已经存在的列直接相加得到
idxmax()方法会返回一个Series中最大值的索引

1.3 使用列表创建DataFrame

import pandas as pd

data = [
    {'语文': 90, '数学': 92},
    {'语文': 98, '数学': 87},
    {'语文': 87, '数学': 90},
    {'语文': 90, '数学': 98},
]

df = pd.DataFrame(data, index=['小明', '小红', '小刚', '小丽'])
print(df)

数据和1.2小节中的一样，只是换了一种存储方式，在列表里，有4个字典，每个字典有两个key-value对，df的输出结果与之前一样

    数学  语文
小明  92  90
小红  87  98
小刚  90  87
小丽  98  90

除了可以指定index以外，还可以指定所需要的列，比如，你只想创建一个有语文的DataFrame，那么可以这样写

df = pd.DataFrame(data, index=['小明', '小红', '小刚', '小丽'], columns=['语文'])

指定columns参数，最终df的内容是

    语文
小明  90
小红  98
小刚  87
小丽  90

1.4 用value是series的字典创建DataFrame

import pandas as pd

data = {
    '语文': pd.Series([90, 98, 87], index=['小明', '小红', '小刚']),
    '数学': pd.Series([92, 87, 90, 98], index=['小明', '小红', '小刚', '小丽'])
}

df = pd.DataFrame(data)
print(df)

和1.2小节的方法类似，不过这次字典里的value变成了series类型，数据中缺失了小丽的语文分数，最终df输出结果是

      语文  数学
小丽   NaN  98
小刚  87.0  90
小明  90.0  92
小红  98.0  87

缺失的数值用np.nan填充

1.5 用另外一个DataFrame创建

可以根据一个已经存在的DataFrame创建出一个新的DataFrame

import pandas as pd

data = {
    '语文': pd.Series([90, 98, 87], index=['小明', '小红', '小刚']),
    '数学': pd.Series([92, 87, 90, 98], index=['小明', '小红', '小刚', '小丽'])
}

df = pd.DataFrame(data)

df_2 = pd.DataFrame(df, index=['小明', '小红', '小刚'])
print(df_2)

创建df_2时，我指定了3个索引，这样，就去掉了小丽的数据，最终的结果是

      语文  数学
小明  90.0  92
小红  98.0  87
小刚  87.0  90