一文带你了解pandas的DataFrame
在使用Python进行数据分析时，最常用的莫过于pandas包中的二维数据结构DataFrame（数据框），因为它可容纳不同的列数据类型，十分贴合实际应用。了解并掌握DataFrame的脾气秉性格外重要，如果不了解它是什么、包含什么，那么你将不能灵活控制它，本文将带你走进pandas的DataFrame，来看看它到底是什么？
1. 先聊聊numpy
pandas包中的数据结构是以numpy包作为基础，只不过增添了一些专门适合数据分析的功能和属性。
numpy中一维和二维数据结构均为ndarray，一般情况下，它存储的数据类型都是“数”，包括：整数、浮点数、复数。numpy具有着优秀的矩阵计算性能，可谓专为“算数”而生，其计算速度特别快，特别适合大数据的计算。
若要使用numpy，首先要导入该包：import numpy as np
创建numpy一维数组，需要传入一个列表参数，其元素查找方式类似于列表，但又和列表有着截然不同的区别：
区别一：array数组元素的数据类型必须一致，列表可以包含不同的数据类型
区别二：array可以进行向量计算
区别三：array具有统计功能
区别四：array数组乘以标量n表示每个元素值放大n倍，列表乘以标量n表示重复n次
请看下图：
numpy二维数组则是一个矩阵，较一维数组多了一个“轴”，有行也有列。
类似地，创建numpy二维数组，传入一个嵌套列表即可，每个子列表的元素数目相同，有多少个子列表，二维数组就有多少行。
其元素的查询方式可通过“[行标,列标]”的方式，如果要查询一行或一列，则用冒号(:)来代替。
在统计功能方面，二维数组较一维数组多了个“轴选项”，axis=0表示按列统计，axis=1表示按行统计。如果不加“轴选项”参数，则默认按整个数组计算统计量。如下图：
2. 开启pandas
刚才说了，pandas是以numpy为基础开发而来，它具有所有numpy优秀计算性能，额外又增加了适合数据分析的成分。来看看都增添了些什么？
在下面的研究前，先导入pandas包：import pandas as pd
pandas一维数据结构：Series（向量）
在创建Series向量的时候，向其传入一个array一维数组，然后可显式指定其索引index，如果不指定index，则系统默认生成整数型索引0 1 2 3……这里的索引index指的是行索引，行索引具有一个name属性，意思是index的名字，此处不懂没关系，在后面的DataFrame中也会继续讲到。下面几个图分别显示了：不指定index，指定index。
一个Series的完整结构包括：
数据内容部分Series.values
行索引部分Series.index
结构图和示例图如下：
查找Series元素有两种方法：
Series的统计属性和数据类型：
两个Series向量相加，按照index自动匹配，无法匹配的则输出NaN：
DataFrame可以看成是由若干Series组合而成，这些Series共享同一index行索引，列索引则包含所有Series的列名称，行索引和列索引均有name属性。
标准的DataFrame结构包含：
①数据内容部分df.values，它是一个numpy的ndarray类型
②行索引df.index，列索引df. columns
③行索引的名字df.index.name，和列索引的名字df.columns.name
结构图如下：
创建DataFrame可以将一个（有序）字典传入函数，字典的键key将自动变成数据框的列索引columns，如果不显式指定行索引index，则系统自动生成整数型行索引0 1 2 3……
创建示例：
分别查看数据框的列索引columns和行索引index：
DataFrame的统计功能自动按列计算：
DataFrame的查找元素方法也有df.iloc[行标,列标]和df.loc[行索引,列索引]两种方式：
在DataFrame中“点选”几列和“框选”几列的方法：
点选：选择不连续的几列
框选：选择连续的几列
DataFrame的loc属性在查找连续几列时，是包含首尾列的；而iloc属性则不包含尾列。日常使用中loc属性更直观、更常用。这一功能经常用来取数据框子集，举例：
此外，DataFrame还有一个特殊的筛选属性（条件筛选），可根据某一列满足某一条件，或整个数据框满足某一条件，然后生成一个布尔型索引，用于数据筛选。
例如：DataFrame的某一列与一个标量进行比较，生成一个布尔型Series索引，可将其传入df.loc中，筛选出满足条件的 行：
查看DataFrame的数据类型，与英语的复数相似，单个Series用dtype，多个Series就变成了复数形式dtypes。
查看DataFrame的形状，即有多少行多少列数据，用shape属性。
描述性统计信息默认按列统计：
3. 总结
以上内容重点讲解了日后数据分析中常用的DataFrame的结构和一些基本属性，下表给出《DataFrame常用属性速查表》，牢记此表，将让你节约65%的数据清洗时间，别问我数字怎么来的，我猜的，总之将大幅提升你清理数据的效率。
《速查表》的后半部分属性将在下篇文章--应用到实际数据分析过程时，结合相应步骤，作详细讲解，你会发现：全是套路。。。
