Pandas DataFrame的创建、属性、轴操作、类型转换
数据框类似于二维的关系表，包含一组有序的列，列与列之间的数据类型可以是不同的，但是单个列的数据类型是相同的。数据框的每一列或每一行都可以认为是一个Series。
DataFrame中面向行和面向列的操作基本上是相同的，把行和列称作轴（axis），DataFrame是按照轴进行操作的，axis=0表示行轴；axis=1 表示列轴。
在操作DataFrame的函数中，通常有沿着轴来进行操作，沿着axis=0，表示对一列（column)的数据进行操作；沿着axis=1，表示对一行(row)的数据进行操作。
axis{0 or ‘index’, 1 or ‘columns’}, default 0
Axis along which the function is applied:
- 0 or ‘index’: apply function to each column.
- 1 or ‘columns’: apply function to each row.
DataFrame对象既有行索引（index），也有列索引（columns），行索引也叫做行标签，列索引也叫做列标签/列名。在DataFrame的构造函数中，columns参数用于设置列索引，index用于设置行索引，都属于Index类型。Index对象既可以使用位置（整数）来表示，也可以使用标签（字符串）来表示，位置的起始值是0，标签是通过列表来指定的。
一，创建数据框
数据框的基础构造函数是DataFrame，从array-like的结构中构造数据框：
pandas.DataFrame(data=None, index=None, columns=None)
参数注释:
- data：ndarray、list 或dict
- index：行索引
- columns：列名列表
除了基础构造函数之外，还有 DataFrame.from_records 和 DataFrame.from_dict，专门用于从元组 和 字典中创建数据框。
通常情况下，我们使用pd.DataFrame()函数来创建数据框，当然也可以根据需要使用pd.DataFrame.from_dict()函数来创建数据框。
1，使用字典来创建数据框
通过等长的字典来创建数据框，并可以设置数据框的列名和行索引。字典存储的是每列的数据：
>>> data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
... 'year': [2000, 2001, 2002, 2001, 2002],
... 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
>>> row_index = ['one', 'two', 'three', 'four', 'five']
>>> col_names=['year', 'state', 'pop']
>>> df=pd.DataFrame(data,columns=col_names,index=row_index)
year state pop
one 2000 Ohio 1.5
two 2001 Ohio 1.7
three 2002 Ohio 3.6
four 2001 Nevada 2.4
five 2002 Nevada 2.9
2，使用列表（列表项是List）来创建数据框
列表项是列表，把该列表转换为DataFrame：
students = [ ['jack', 34, 'Sydeny'] , ['Riti', 30, 'Delhi' ] , ['Aadi', 16, 'New York'] ] df = pd.DataFrame(students)
3，使用列表（列表项是元组）来创建数据框
列表项是元组，把该列表转换为DataFrame：
students = [ ('jack', 34, 'Sydeny') , ('Riti', 30, 'Delhi' ) , ('Aadi', 16, 'New York') ] df = pd.DataFrame(students)
4，使用from_dict创建数据框
data是一个字典结构，字典的Key是列名，Value是一个列表，通过这种格式创建数据框：
>>> data = {'col_1': [3, 2, 1, 0], 'col_2': ['a', 'b', 'c', 'd']}
>>> pd.DataFrame.from_dict(data)
col_1 col_2
0 3 a
1 2 b
2 1 c
3 0 d
5，DataFrame和Series之间可以相互转换
从DataFrame中获取一行或一列，获得的对象是一个序列。
Series可以通过to_frame()函数转换为DataFrame类型，但是之前的列名变成了索引。可以通过T转置把行索引转置成列标签：
s=df.iloc[0] df_1row=s.to_frame().T
二，数据框的属性
数据框的属性主要是索引、列名、数据类型和值，对于一下数据框
1，轴标签
通过index属性来访问数据框的行标签，通过columns属性访问数据框的列标签：
>>> df.index Index(['one', 'two', 'three', 'four', 'five'], dtype='object') >>> df.columns Index(['year', 'state', 'pop'], dtype='object')
2，数据类型
查看数据框各列的数据类型
>>> df.dtypes
year int64
state object
pop float64
dtype: object
查看数据框中某一列的数据类型：
df['col_name'].dtypes
df.col_name.dtypes
3，数据框的值
values属性以数组形式显示数据框的值：
>>> df.values array([[2000, 'Ohio', 1.5], [2001, 'Ohio', 1.7], [2002, 'Ohio', 3.6], [2001, 'Nevada', 2.4], [2002, 'Nevada', 2.9]], dtype=object)
4，数据框的轴和形状
>>> df.axes [Index(['one', 'two', 'three', 'four', 'five'], dtype='object'), Index(['year', 'state', 'pop'], dtype='object')] >>> df.shape (5, 3)
三，轴操作
1，追加列
通过为一个新列赋值来向数据框中追加新列，新列始终处于列名序列的末尾：
>>> df['new']='a'
2，插入列
要指定新列的位置，需要使用insert()函数，该函数向数据框中插入一列，并制定新列的位置：
DataFrame.insert(loc, column, value)
参数注释：
- loc：插入列的位置，该位置索引必须0 <= loc <= len(columns)
- column：插入列的名称
- value：插入列的值，可以是单个标量值，插入列的值都是相同的；可以是序列或array-like，为每一行的列设置一个值。
举个例子，向df的末尾插入一列，列值都是a：
>>> df.insert(3,'new','a')
3，删除列或行
使用drop()函数来删除行或列：
DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')
参数注释：
- labels 和 axis：labels参数指定要删除的标签，如果axis=0 或 'index'，表示行标签；如果axis=1 或 'columns'，表示列标签。axis的默认值是0。
- index：设置index 等价于设置 labels 和axis=0；
- columns：设置columns等价于设置 labels和 axis=1；
举个例子，把df的列new删除：
>>> df.drop(labels='new',axis=1)
四，列数据类型转换
astype(dtype) 函数用于把数据框的列转换为特定的类型，dtype可以是pandas支持的类型，也可以是numpy.dtype，也可以是Python类型：
把数据框的列改变为字符串类型，str是python类型，'object'是pandas支持的字符串类型：
df['col_name'].astype(str)
df['col_name'].astype('object')
其他转换类型的函数
使用Pandas提供的函数如to_numeric()、to_datetime()
参考文档：
