python笔记4:数据结构之DataFrame

# -*- coding: utf-8 -*-
#1. 概念：数据框。用于存储多行和多列的数据集合

from pandas import DataFrame

#2. 定义
#自动生成索引的方式：
df = DataFrame({
                'age':[21,22,23],
                'name':['zhangsan','lisi','wangwu']
                
                })
#自定义索引的方式：
df= DataFrame(
               data={'age':[21,22,23],
                     'name':['zhangsan','lisi','wangwu']
                     },
               index=['first','second','third']
               )
#3.限制：（待补充）

#4.访问
#按列访问
df['age']
#访问多列
df[['age','name']]

#按行访问
df[0:1] #返回第0(下标从0开始)行的数据
df[1:2]

#按行索引访问
df.loc[['first','second']]

#按行列号访问
df.iloc[0:1,0:1]  #返回第0行第0列的数据

#精准定位，按行索引+列名访问
df.at['first','name'] #'zhangsan'

#修改列名
df.columns  #查看有哪些列名
df.columns = ['age2','name2']

#修改行索引
df.index  #查看有哪些列索引
df.index = range(1,4)
df.index #再次查看

#如何删除数据？
df.drop('first',axis=0) #axis:轴参数，0表示行，1表示列
#同样的，以上语句的删除并不会真的改变df，该方法只是返回删除后的数据框值（得到了一个新的数据框对象）

df.drop('age',axis=1) #删除名为age的一列

#增加行，
#注意，这种方法，效率非常低，不应该用于遍历中
df.loc[len(df)] = [24,"aiyo"]  #和删除不同，此语句会真的改变df

#增加列：
df['sex'] = ['女','男','男','女'] #数量必须和对象原有行数相等，否则会报错