數據框類似於二維的關系表，包含一組有序的列，列與列之間的數據類型可以是不同的，但是單個列的數據類型是相同的。數據框的每一列或每一行都可以認為是一個Series。DataFrame中面向行和面向列的操作基本上是相同的，把行和列稱作軸（axis），DataFrame是按照軸進行操作的，axis=0表示行軸；axis=1 表示列軸。
DataFrame對象既有行索引（index），也有列索引（columns），行索引也叫做行標簽，列索引也叫做列標簽/列名。在DataFrame的構造函數中，columns參數用於設置列索引，index用於設置行索引，都屬於Index類型。Index對象既可以使用位置（整數）來表示，也可以使用標簽（字符串）來表示，位置的起始值是0，標簽是通過列表來指定的。
一，數據框構造函數
數據框的基礎構造函數是DataFrame，從array-like的結構中構造數據框：
pandas.DataFrame(data=None, index=None, columns=None)
參數注釋:
- data：ndarray、list 或dict
- index：行索引
- columns：列名列表
除了基礎構造函數之外，還有 DataFrame.from_records 和 DataFrame.from_dict，專門用於從元組 和 字典中創建數據框。
二，創建數據框
通常情況下，我們使用pd.DataFrame()函數來創建數據框，當然也可以根據需要使用pd.DataFrame.from_dict()函數來創建數據框。
1，使用字典來創建數據框
通過等長的字典來創建數據框，並可以設置數據框的列名和行索引。字典存儲的是每列的數據：
>>> data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
... 'year': [2000, 2001, 2002, 2001, 2002],
... 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
>>> row_index = ['one', 'two', 'three', 'four', 'five']
>>> col_names=['year', 'state', 'pop']
>>> df=pd.DataFrame(data,columns=col_names,index=row_index)
year state pop
one 2000 Ohio 1.5
two 2001 Ohio 1.7
three 2002 Ohio 3.6
four 2001 Nevada 2.4
five 2002 Nevada 2.9
2，使用列表（列表項是List）來創建數據框
列表項是列表，把該列表轉換為DataFrame：
students = [ ['jack', 34, 'Sydeny'] , ['Riti', 30, 'Delhi' ] , ['Aadi', 16, 'New York'] ] df = pd.DataFrame(students)
3，使用列表（列表項是元組）來創建數據框
列表項是元組，把該列表轉換為DataFrame：
students = [ ('jack', 34, 'Sydeny') , ('Riti', 30, 'Delhi' ) , ('Aadi', 16, 'New York') ] df = pd.DataFrame(students)
4，使用from_dict創建數據框
data是一個字典結構，字典的Key是列名，Value是一個列表，通過這種格式創建數據框：
>>> data = {'col_1': [3, 2, 1, 0], 'col_2': ['a', 'b', 'c', 'd']}
>>> pd.DataFrame.from_dict(data)
col_1 col_2
0 3 a
1 2 b
2 1 c
3 0 d
三，數據框的屬性
數據框的屬性主要是索引、列名、數據類型和值，對於一下數據框
1，數據框的索引
通過index屬性來訪問數據框的行標簽，通過columns屬性訪問數據框的列標簽：
>>> df.index Index(['one', 'two', 'three', 'four', 'five'], dtype='object') >>> df.columns Index(['year', 'state', 'pop'], dtype='object')
2，數據類型
查看數據框各列的數據類型
>>> df.dtypes
year int64
state object
pop float64
dtype: object
查看數據框中某一列的數據類型：
df['col_name'].dtypes
df.col_name.dtypes
3，數據框的值
values屬性以Numpy數組形式顯示數據框的值：
>>> df.values array([[2000, 'Ohio', 1.5], [2001, 'Ohio', 1.7], [2002, 'Ohio', 3.6], [2001, 'Nevada', 2.4], [2002, 'Nevada', 2.9]], dtype=object)
4，數據框的軸和形狀
>>> df.axes [Index(['one', 'two', 'three', 'four', 'five'], dtype='object'), Index(['year', 'state', 'pop'], dtype='object')] >>> df.shape (5, 3)
四，列操作和行操作
追加列
通過為一個新列賦值來向數據框中追加新列，新列始終處於列名序列的末尾：
>>> df['new']='a'
插入列
要制定新列的位置，需要使用insert()函數，該函數向數據框中插入一列，並制定新列的位置：
DataFrame.insert(self, loc, column, value)
參數注釋：
- loc：插入列的位置，該位置索引必須0 <= loc <= len(columns)
- column：插入列的名稱
- value：插入列的值，可以是單個標量值，插入列的值都是相同的；可以是序列或array-like，為每一行的列設置一個值。
舉個例子，向df的末尾插入一列，列值都是a：
>>> df.insert(3,'new','a')
刪除列或行
使用drop()函數來刪除行或列：
DataFrame.drop(self, labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')
參數注釋：
- labels 和 axis：labels參數指定要刪除的標簽，如果axis=0 或 'index'，表示行標簽；如果axis=1 或 'columns'，表示列標簽。axis的默認值是0。
- index：設置index 等價於設置 labels 和axis=0；
- columns：設置columns等價於設置 labels和 axis=1；
舉個例子，把df的列new刪除：
>>> df.drop(labels='new',axis=1)
追加數據行
向數據框的末尾追加數據行：
DataFrame.append(self, other, ignore_index=False, verify_integrity=False, sort=None)
也就是把一個結構相同的DataFrame追加到另一個DataFrame的后面，把兩個DataFrame合並為一個。
五，列數據類型轉換
astype(dtype) 函數用於把數據框的列轉換為特定的類型，dtype可以是pandas支持的類型，也可以是numpy.dtype，也可以是Python類型：
把數據框的列改變為字符串類型，str是python類型，'object'是pandas支持的字符串類型：
df['col_name'].astype(str)
df['col_name'].astype('object')
其他轉換類型的函數
使用Pandas提供的函數如to_numeric()、to_datetime()
參考文檔：