1.DataFrame

是一种二维的数据结构
等同于 表格
行 index
列 columns
dataframe的成员分为3个部分：
1.列索引
2.行索引
3.数据


 学号 姓名 成绩
0 1000 张三 80
1 1001 李四 81
2 1002 王五 80

如何创建dataframe?

1.通过字典

  1. df=pd.DataFrame({'学号':[1000,1001,1002],'姓名':['张三','李四','王五'],'成绩':[80,81,80]},index=[1,2,3])
  • 字典的键—-》dataframe列索引
  • 键值———》dataframe的数据
  • 键值的数据和类型，长度必须一致
  • 不同的键值之间的长度必须一致

    2.通过n维数组

    1. import numpy as np
    2. df=pd.DataFrame(np.array([[1000,'张三',80],[1001,'李四',81],[1002,'王五',80]]),columns=['学号','姓名','成绩'],index=[1,2,3])

    3.通过列表

    ```python df=pd.DataFrame([[1000,’张三’,80],[1001,’李四’,81],[1002,’王五’,80]],columns=[‘学号’,’姓名’,’成绩’],index=[1,2,3])
  1. <a name="nBtp4"></a>
  2. ##  保存结果（to_html,to_excel,to_csv)
  3. 注意一下字符集，程序默认是utf-8,windows默认是win936,(gbk)<br />思路就是，程序和系统都保持相同的字符集
  4. ```python
  5. #encoding='GBK'  保存到CSV
  6. df.to_csv("f:\\xxx.csv",encoding='gbk',index=False)
  7. #index=False 表示不插入行索引
  8. #保存到html
  9. df.to_html('f:\\3.html',encoding='gbk',index=False)
  10. #保存到excel
  11. df.to_excel('f:\\3.xlsx',encoding='gbk',index=False)

查看dataframe的缺失数据

isna

基本成员操作

  1. print(type(df))   #查看数据类型
  2. print(df.shape)   #查看dataframe的大小
  3. print(df.index)   #查看行索引
  4. print(df.columns) #查看列索引
  5. print(df.info())  #查看dataframe的详细信息
  6. print(df.describe()) #查看dataframe的描述信息
  8. df[['列索引名']].count()    #计算数量（主要针对列）结果是包含列索引名和数据类型的
  9. df['列索引名'].count()     #结果是一个直接的值
  10. df['列索引名'].max()      #计算最大值（按第一列的值）
  11. df['列索引名'].min()      #计算最小值(按第一列的值)
  12. df['列索引名'].sum()      #求和，全部数据项求和
  13. df['列索引名'].mean()     #求平均值
  14. df['列索引名'].median()   #求中位数
  15. df['列索引名'].mode()     #求众数
  16. df['列索引名'].var()      #方差
  17. df['列索引名'].std()      #标准差
  18. df['列索引名'].mad()      #平均绝对值
  19. df['列索引名'].skew()     #偏度
  20. df['列索引名'].kurt()     #峰度

2.Series

实质上是一维数据

3.mutiIndex与panel

这是一种三维的数据结构