本文将主要介绍以下内容：

1. DataFrame概述

2. Series和DataFrame的相似点

3. DataFrame排序

4. 按DataFrame索引排序

5. 设置新索引

6. 从DataFrame读取列

7. 从DataFrame读取行

8. 重命名列或行

9. 重置索引

DataFrame是Pandas的另外一个主要的数据结构，它是由行和列组成的二维数据结构，因此需要两个参考点来从数据集中提取给定值。

1. DataFrame概述

DataFrame可以描述为网格或数据表，类似于Excel之类的电子表格中的网格或数据表。

1.1 从字典创建DataFrame

和往常一样，让我们从导入pandas开始，还将使用NumPy库生成一些随机数据：

在导入第一个数据集之前，让我们练习从一些Python内置对象实例化一个DataFrame。例如字典，其键将用作列名，而相应的值将用作该列的值。

下例使用三个长度相等的列表来存储城市，国家和人口。也可以使用其它可迭代对象（如元组或Series）代替列表。DataFrame类的第一个参数data代表数据源。

我们创建了第一个DataFrame，它与Series非常相似。再次提醒，当我们没有为构造函数提供一个明确的索引时，pandas会默认生成一个从0开始的顺序索引。

如果我们想翻转数据，以列标头作为索引标签，我们可以调用transpose方法或其T属性：

另外还可以使用一个更方便的from_dict方法，此方法用于把字典转换为DataFrame。其参数orient用于控制索引标签的创建，如果想把字典的键保存为DataFrame的列，可以使用默认值columns；如果想把字典的键保存为行，则使用值index：

1.2 从NumPy 数组创建DataFrame

DataFrame构造函数还接受NumPy ndarray对象。假设我们要创建一个3x5的DataFrame，其整数在1到100（含）之间，我们可以使用random模块的randint方法：

接下来，我们将ndarray传到DataFrame构造函数中。与行一样，如果未提供自定义的列标头，Pandas将为每列分配一个数字索引：

我们可以使用可迭代序列，例如列表，元组或ndarray，以用作行标签。请注意，可迭代项的长度必须等于数据集中的行数。这是一个3x5的表格，因此我们必须为索引提供3个标签。

columns参数允许我们设置DataFrame的列名（也称为垂直标签）。因为我们总共有5列，所以我们的可迭代项的长度必须为5。下例通过将标头存储在元组中来设置列名：

行索引和列索引都允许包含重复值：

2. Series和DataFrame的相似点

在之前介绍的许多Series属性和方法在DataFrame上也适用。

2.1 导入CSV数据集

nba.csv文件是2019-2020 NBA运动员的数据集，包括每个球员的姓名，球队，位置，生日和工资：

注意，Birthday列中的值默认是作为字符串而不是datetime对象导入，之前介绍过可以使用parse_dates参数将值强制转换为datetime，一致以YYYY-MM-DD格式显示：

现在我们可以把DataFrame分配给一个变量nba：

2.2 共享和专用属性

Series的值必须是单一同质的数据类型，而DataFrame的列可以保存异构的数据。让我们使用dtypes属性查看各自的数据类型，它返回的是一个Series对象：

然后调用value_counts方法可以计算每种数据类型的列数：

DataFrame基本上由两个对象组成：一个由行标签组成的索引和一个保存每一行值的数据容器。Pandas自带了几个索引对象，每个索引对象都经过优化以存储特定类型的值（numeric、string、datetime等）。index属性返回DataFrame的Index对象。下面让我们看一下nba数据集使用的索引类型：

RangeIndex是一个优化的索引，用于存储顺序的整数值。与Python的range函数非常相似，RangeIndex包含三个参数：start，stop和step（每两个值之间的间隔）。上例的输出告诉我们索引从0开始，以1为增量（即0、1、2…449）直到450。

DataFrame还具有专用的columns属性，该属性返回包含标头的Index对象：

axes属性同时返回行和列索引：

shape属性返回DataFrame维度的元组，450行x 5列：

ndim属性返回维数：

size属性返回数据集中值的总数，包括缺失值，它等于行数和列数的乘积：

如果要排除缺失值可以使用count方法，它将返回一个包含每个DataFrame列的非空值数量的Series。然后使用sum方法得出DataFrame中非空值的总数。因为此数据集不包含任何缺失值，所以size属性和count方法的结果将相同。

2.3 共享方法

head和tail方法返回数据集的最前或最后的行：

sample方法返回DataFrame的随机行：

nunique方法返回一个包含每一列唯一值的数量的Series：

之前介绍过的max和min方法在DataFrame上也适用，它们返回包含每一列的最大值和最小值的Series。datetime列的最大值是按时间顺序排列的最新日期。

nlargest方法返回按照指定列最大值排序的前n行。因为一个DataFrame可以包含多个可排序的列，所以我们必须使用columns参数指定要用作排序的列。参数值可以是单个列名，也可以是多个列名的列表。下例是返回NBA中收入最高的前4名球员：

nsmallest方法返回按照指定列最小值排序的前n行。下例是返回NBA中最老的前3名球员：

如果要计算所有NBA工资的总和，可以直接使用sum方法，但必须把numeric_only参数设为True，用于只计算数值类型的列。

mean方法可以计算平均工资：

median方法可以计算工资的中位数，std方法统计偏差：

3. 按DataFrame值排序

我们可以使用sort_values方法按一列或多列对DataFrame进行排序。默认情况下，该方法返回一个新的DataFrame。

3.1 按单列排序

首先让我们按名字对球员进行排序，by参数用于指定排序的列：

ascending参数可以指定升序或降序排序，我们可以使用它来找出NBA中最年轻的五个球员，只需对Birthday列进行降序排序，head方法默认返回前5行：

3.2 按多列排序

sort_values方法的by参数还支持按多个列排序，默认情况下，所有排序将按升序排列，也就是ascending参数默认值为True。下例按字母顺序对球队进行排序，然后再对每个球队中的球员进行排序：

我们可以使用ascending参数对每个列按相同的顺序排序：

如果我们想对每个列按照不同的排序顺序，例如，对球队按升序进行排序，然后再对工资按降序进行排序。为此，ascending参数也支持列表值，每个布尔值会与by参数的每个值对应，也就是by和ascending参数的列表的长度必须相等。

与Series一样，inplace参数会修改原始DataFrame而不是返回一个新的DataFrame。Jupyter Notebook中将不会产生任何输出：

4. 按DataFrame索引排序

使用inplace参数更改了原始的DataFrame，但我们也有方法将其恢复为原始形式。

4.1 按行索引排序

sort_index方法按索引值对DataFrame进行排序：

使用inplace参数使更改永久生效：

4.2 按列索引排序

按列进行排序可以使用axis参数，只需把值设为1或columns：

5. 设置新索引

设置新索引可以使用set_index方法，它返回一个以给定列作为索引的新DataFrame：

使用inplace参数使更改永久生效：

如果我们知道要在导入数据集时用作索引的列，我们还可以使用read_csv方法的index_col参数：

6. 从DataFrame读取列

DataFrame是共用相同索引的Series对象的集合，我们可以轻松地从DataFrame中读取一个或多个这些列。

6.1 从DataFrame读取单列

每个Series的列都可以使用DataFrame的属性读取。例如，我们可以使用nba.Salary读取Salary列：

如果您希望始终使用二维数据结构，可以使用to_frame方法将Series转换为DataFrame:

也可以通过名称来读取列，这种方法的优点是它支持名称中带有空格的列。

6.2 从DataFrame读取多列

要读取多个列，只需要在列表中指定多个列名，返回的是一个新的DataFrame。它的列的排列顺序和列表中的一样，这是重新排列DataFrame列的有效方式：

如果我们想根据列的数据类型来选择列，可以使用select_dtypes方法，其include和exclude这两个参数可以指定单个数据类型或多个数据类型的列表。提醒一下，您可以使用dtypes属性查看数据集中的数据类型。

7. 从DataFrame读取行

DataFrame中的行可以通过索引标签或索引位置读取。

7.1 通过索引标签读取行

loc属性返回具有给定索引标签行的Series，注意是区分大小写。下例是返回索引标签是"LeBron James"的行：

还可以给定一个列表以读取多行，返回结果是一个DataFrame，顺序和给定的列表一样：

Pandas还支持Python的列表切片语法。例如，我们可以对索引标签进行排序以按字母顺序获得球员的姓名，然后选择Otto Porter和Patrick Beverley之间的所有球员。注意，两个端点的球员也会被包括在内：

我们还可以读取DataFrame从某行开始到最后一行的数据，它与从Python列表中读取分片的语法相同，也就是在初始索引标签后加一个冒号：

同理可以读取DataFrame从开头到某行的数据，下例返回所从开头到"Al Horford"的行：

如果DataFrame中不存在指定的索引标签，则会抛出KeyError异常：

7.2 通过索引位置读取行

iloc（索引位置index location）属性返回具有给定索引位置的一行或多行，参数可以是单个整数或整数的列表：

列表切片的语法在这里也是使用的，需要注意冒号后面指定端点的行是不包括的。下例返回索引位置400、401、402和403的行：

索引位置也可以使用负数，也就是从倒数开始数。下例是从倒数第10行直到倒数第6行，但不包括倒数第6行：

除此以外还可以指定索引位置的步长序列。在下例中，我们从前十行中选择间隔为2的行。因此，返回结果的索引位置为0、2、4、6和8：

7.3 从行的指定列中读取值

loc和iloc属性都支持第二个参数指定要读取的列。在下例中，我们读取索引标签为"Giannis Antetokounmpo" 所在行的Team列的值：

两个参数都支持传递列表，下例第二个参数使用列表指定要读取Position和Birthday列的值：

下例第一、二个参数都使用了列表：

列表切片语法也可以用于读取多个列，注意，这里两个端点都将包括在内：

参数指定的列名必须和它们在DataFrame中出现的顺序一样。下例会返回空列表，因为Salary列位于Position列之后：

每个DataFrame列都分配有一个索引位置，在我们当前的DataFrame中，Team的索引为0，Position的索引为1，依此类推。

列的索引位置也可以作为第二个参数传给iloc：

列表切片语法也可以在此处使用。下例返回索引位置100到104（不包括）所在行的从开始到索引位置3（不包括）的列：

iloc和loc属性非常通用，参数可以是单个值、列表、列表切片等。这种灵活性的缺点是需要额外的开销，pandas必须检查iloc或loc的输入类型。

当我们要从DataFrame中读取单个值时，可以使用at和iat这两个替代属性： at属性的参数是行和列标签，而iat属性的参数是行和列索引位置：

8. 重命名列或行

我们可以通过使用新名称列表覆盖columns属性来重命名DataFrame中的某些或所有列：

我们也可以使用rename方法，其参数columns的值类型是一个字典，键是需要修改的原列名，值是新的列名。下例是把原列名"Date of Birth"重命名为"Birthday"：

一如既往地，使用 inplace 参数使修改永久生效：

rename方法也可以重命名索引标签。下例将 "Giannis Antetokounmpo" 重命名为他的昵称 "Greek Freak"：

9. 重置索引

如果我们想把另一列用作DataFrame的索引，可以使用set_index方法，但会造成当前索引Name的丢失：

为了保留原来的索引列Name，我们首先要使用reset_index方法把现有索引重新整合为DataFrame中的常规列，并生成新的顺序索引：

现在我们可以放心使用set_index方法了：

reset_index方法也支持inplace参数，但是要注意：如果参数设置为True，则该方法将不会返回新的DataFrame，因此不能直接链接调用set_index方法，必须依次分开单独调用：

END O(∩_∩)O