#DataFrameデータ構造は、多くの2次元テーブルのデータ構造と同様に、Pythonは最も一般的に使用されるデータ構造であります
PDのように輸入パンダ
NPとしてインポートnumpyの
＃作成データフレームのデータ
＃は最初の辞書データを与え、我々は作成するために辞書を使用し
たデータ= {
「name」を：[「ドン・ホー」、「王」、「ファラオ」、「趙三」、「ジョン・ドウ」] 、
"セックス"：[ "男性"、 "女性"、 "男性"、 "女性"、 "男"]、
"年"：[37,22,15,18,33]、
"市"：[「成都""北京""上海""成都""深セン"]
}
＃DF1 = pd.DataFrame（データ）
＃印刷（DF1）
" ""
名前のセックス年度の市
0成都唐豪男性37
1女性の22北京の王
2ファラオ男性15上海
3趙成都と3人の女性18
4 33ジョン・ドウ男性深セン
「」 "
＃DF2 = pd.DataFrame（データ、列= [ "名前"、 "年"、 "セックス"、 "都市"]）＃指定列名顺序
＃プリント（DF2）
シーケンスインデックス指定された列＃
＃DF3 = pd.DataFrame（データ、列 = [ "名前"、 "年"、 "セックス"、 "都市"]、インデックス= [ "A"、 "B"、 "C"、 "D"、 "E"] ）＃1カラム名は、注文
＃プリント（DF3）を
＃上記のデータ辞書作成データフレームの実証された
他のデータ型からのデータフレームのデータを作成するために、以下の位
＃numpyの行列データは、データフレームのデータPDを作成するために、列が指定されていない、同じインデックスを持つ列名、
＃1 NP1 = np.arange（0,12）.reshape（4,3）
＃プリント（NP1）
＃DF4 = pd.DataFrame（NPL）
＃プリント（DF4）
＃= DF5 pd.DataFrame（NPL、列= [ "A"、 "2"、 "3"]）列名＃1
＃プリント（DF5）
データフレームを作成するために、シリーズデータpdで＃は、も可能ですが、一つだけのデータによるシリーズは、1次元である
＃objs1 = pd.Series（[「名前 」、「年」、「性別」、「都市」]）
印刷＃（objs1）
＃= DF6 pd.DataFrame（objs1）
＃印刷（DF6）
＃、タプルデータフレームのデータ、pd.Seriesの結果と同様の結果によって作成されたすべての一次元アレイのため
＃1 LL = [ "NAMEL"、 "yearl"、 "sexl"、 "cityl"]
＃1 TT =（ " namet "" yeart "" SEXT "" cityt "）
＃= df7l pd.DataFrame（LL）
＃= df8t pd.DataFrame（TT）
＃印刷（df7l）
＃印刷（" _________「）
＃印刷（df8t）
＃は、name属性を設定し、注意：列はDF9 [ "列名"]、またDF9が提供する列名によってアクセスすることができ介してアクセスすることができます
。＃DF9 = pd.DataFrame（データ）
＃印刷（DF9）
＃= df9.index.name "上記ID"
＃1 df9.columns.name = "午後"
＃プリント（ "________________"）
＃プリント（DF9）
＃プリント（df9.values）
＃プリント（df9.keys（））