DataFrame对象

创建对象

list

df = pd.DataFrame([1, 2, 3, 4, 5], columns=['cols'], 
index=['a','b','c','d','e'])
print df

返回的结果：
cols
a 1
b 2
c 3
d 4
e 5

二维list

df2 = pd.DataFrame([[1, 2, 3],[4, 5, 6]],
 columns=['col1','col2','col3'], index=['a','b'])
print df2

返回结果
col1 col2 col3
a 1 2 3
b 4 5 6

用np类型的数组

df3 = pd.DataFrame(np.array([[1,2],[3,4]]), 
columns=['col1','col2'], index=['a','b'])
print df3

返回结果
col1 col2
a 1 2
b 3 4

用dict创建

df4 = pd.DataFrame({'col1':[1,3],'col2':[2,4]},index=['a','b'])
print df4

返回结果：
col1 col2
a 1 2
b 3 4

创建DataFrame对象的数据可以为列表，数组和字典，列名和索引为列表对象

基本操作

df2.index
返回结果：

Index([u'a', u'b'], dtype='object')

df2.columns

Index([u'col1', u'col2', u'col3'], dtype='object')

#根据索引查看数据
df2.loc['a']   
# 索引为ａ这一行的数据
# df2.iloc[0] 跟上面的操作等价，一个是根据索引名，一个是根据数字索引访问数据

col1 1
col2 2
col3 3
Name: a, dtype: int64

print df2.loc[['a','b']]    # 访问多行数据，索引参数为一个列表对象

col1 col2 col3
a 1 2 3
b 4 5 6

print df.loc[df.index[1:3]]

cols
b 2
c 3

# 访问列数据
print df2[['col1','col3']]

col1 col3
a 1 3
b 4 6

# DataFrame元素求和
# 默认是对每列元素求和
print df2.sum()

col1 5
col2 7
col3 9
dtype: int64

# 行求和
print df2.sum(1)

a 6
b 15
dtype: int64

# 对每个元素乘以２
print df2.apply(lambda x:x*2)

col1 col2 col3
a 2 4 6
b 8 10 12

---

DataFram详解