pandas之DataFrame

DataFrame 类型类似于数据库表结构的数据结构，其含有行索引和列索引，可以将DataFrame 想成是由相同索引的Series组成的Dict类型。在其底层是通过二维以及一维的数据块实现.

1,DataFrame 对象的构建

import pandas as pd
#声明数据框架对象
list = {'男生':['王超','德芙','家福'],'女生':['阿尼','阿玉','阿东']}
gendered = pd.DataFrame(list)
print(gendered)
#自动生成索引
结果：
   男生  女生
0  王超  阿尼
1  德芙  阿玉
2  家福  阿东

2指定列的顺序

gendered1 = pd.DataFrame(list,columns=['女生','男生'])
print(gendered1)
结果：
   女生  男生
0  阿尼  王超
1  阿玉  德芙
2  阿东  家福

3指定索引

gendered2 = pd.DataFrame(list,[7,8,9])
print(gendered2)

结果：
   男生  女生
7  王超  阿尼
8  德芙  阿玉
9  家福  阿东

一些常用属性

list = {'男生':['王超','德芙','家福'],'女生':['阿尼','阿玉','阿东']}
df = pd.DataFrame(list)

print(df.size)
print(df.shape)
 #打印头部一条
print(df.head(1))
# 打印尾部一条
print(df.tail(1))
# 打印所有列
print(df.columns)
# 打印数据
print(df.info())

结果：
6

(3, 2)

  男生  女生
0  王超  阿尼

  男生  女生
2  家福  阿东

Index(['男生', '女生'], dtype='object')

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 2 columns):
男生    3 non-null object
女生    3 non-null object
dtypes: object(2)
memory usage: 128.0+ bytes

实例 应用：

#使用科学计算来统计AVG年龄
df = pd.DataFrame({'gender':['男','女'],'age':[18,20]})
#分组运算
grouped = df['age'].groupby(df['gender'])
#平均年龄
avg_age = grouped.mean()
#可以根据键取值
print(avg_age)

结果：
gender
女    20
男    18
Name: age, dtype: int64