Pandas基础（二）：DataFrame的行、列与数据类型

建立DataFrame数据：

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'],
        'year': [2000, 2001, 2002, 2001, 2002, 2003],
        'pop': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}
df = pd.DataFrame(data)

输出：

	state	year	pop
0	Ohio	2000	1.5
1	Ohio	2001	1.7
2	Ohio	2002	3.6
3	Nevada	2001	2.4
4	Nevada	2002	2.9
5	Nevada	2003	3.2

1.DataFrame的数据类型
用dtypes方法，可以查看表中各列的数据类型

df.dtypes

输出：

state     object
year       int64
pop      float64
dtype: object

2.查看所有列名

df.columns

输出：

Index(['state', 'year', 'pop'], dtype='object')

3.查看表中列的总数

df.shape[1]		#列数
df.columns.size #列数

4.查看表中行的总数

df.shape[0]		#行数
len(df)			#行数

5.shape方法
shape方法查看表规模（行，列）

df.shape

输出：

(6, 3)

6.按照指定的列顺序重新排列

df.columns = ['year','state', 'pop' ]

输出：

	year	state	pop
0	Ohio	2000	1.5
1	Ohio	2001	1.7
2	Ohio	2002	3.6
3	Nevada	2001	2.4
4	Nevada	2002	2.9
5	Nevada	2003	3.2

7.重命名列

df.rename(columns={ df.columns[2]: "new name" }, inplace=True)

输出：

	year	state	new name
0	Ohio	2000	1.5
1	Ohio	2001	1.7
2	Ohio	2002	3.6
3	Nevada	2001	2.4
4	Nevada	2002	2.9
5	Nevada	2003	3.2

df = df.rename(columns={'col_1': 'col_a'})

输出：

	col_a	state	new name
0	Ohio	2000	1.5
1	Ohio	2001	1.7
2	Ohio	2002	3.6
3	Nevada	2001	2.4
4	Nevada	2002	2.9
5	Nevada	2003	3.2

重命名所有列

df.columns = ['one','two','three']

输出：

	one		two		three
0	Ohio	2000	1.5
1	Ohio	2001	1.7
2	Ohio	2002	3.6
3	Nevada	2001	2.4
4	Nevada	2002	2.9
5	Nevada	2003	3.2

8.查看行信息

df.index

输出：

RangeIndex(start=0, stop=6, step=1)

9.查看某一列的取值种类
展示该列的所有种类

df['state'].unique()

输出:

array(['Ohio', 'Nevada'], dtype=object)

计算所有种类数目

df['state'].nunique()

输出：

2

10.查看某列每个取值出现的次数

df['state'].value_counts()

输出：

Ohio      3
Nevada    3
Name: state, dtype: int64