DataFrame(1)：DataFrame結構的詳細介紹

1、DataFrame數據結構的解釋說明

  index表示的是行索引，column表示的是列索引，values表示的是數值，其實不管是行索引，還是列索引都可以看作是索引Index。從每一行看，DataFrame可以看作是一行行的Series序列上下堆積起來的，每個Series的索引就是列索引[0,1,2,3]；從每一列看，DataFrame可以看作是一列列的Series序列左右堆積起來的，每個Series的索引就是行索引[0,1,2]。
  DataFrame的默認理解方式是：DataFrame其實就是由很多個數據類型不一樣的列Series組成。對於上圖，此DataFrame其實就是由如下四個Series組成，它們的索引都是行索引[0,1,2]。

  可以把一個DataFrame，類比成MySQL中的一張表：
  MySQL表中，每個列字段的數據類型基本都不一樣，每張表都有很多個列字段；
  如果把MySQL表中的每個列看做是一個數據類型的Series，一張MySQL表就可以看做是由很多個數據類型不一樣的Series組成，和我們上面講述的一致。

2、DataFrame的index屬性和columns屬性

1）構造一個DataFrame

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randint(70,100,(3,5)), 
                  index=["地區1", "地區2", "地區3"], 
                  columns=["北京","天津", "上海","沈陽", "廣州"])
display(df)

結果如下：

2）index和columns屬性

df = pd.DataFrame(np.random.randint(70,100,(3,5)), 
                  index=["地區1", "地區2", "地區3"], 
                  columns=["北京","天津", "上海","沈陽", "廣州"])
display(df)

x = df.index
display(x)
list(df.index)

y = df.columns
display(y)
list(df.columns)

結果如下：

① 修改行索引：df.index

df = pd.DataFrame(np.random.randint(70,100,(3,5)), 
                  index=["地區1", "地區2", "地區3"], 
                  columns=["北京","天津", "上海","沈陽", "廣州"])
display(df)

df.index = ["a","b","c"]
display(df)

結果如下：

② 修改列索引：df.columns

df = pd.DataFrame(np.random.randint(70,100,(3,5)), 
                  index=["地區1", "地區2", "地區3"], 
                  columns=["北京","天津", "上海","沈陽", "廣州"])
display(df)

df.columns = ["a","b","c"]
display(df)

結果如下：

3）DataFrame的索引對象Index

  觀察“DataFrame的數據結構圖”可以發現：每個df既有一個行索引index，又有一個列索引columns。但是不管行索引index，還是列索引columns，統一都都叫做 “Index對象”。不同的是在創建df，指定參數的參數名稱的時候，為了方便區分行索引和列索引 ，把行索引這個“Index對象”叫做index，把列索引這個“Index對象”叫做columns 。
  記住：Index索引對象中的元素不支持修改。

# pd.Index()用於創建一個Index對象
x = pd.Index([1,2,3])
display(x)
display(type(x))

x[0] = 1

結果如下：

3、name屬性

1）怎么理解DataFrame的name屬性

  我們知道：取出DataFrame中的每一行、每一列都是一個Series，組成這個DataFrame對象的每個sereis都有一個名稱，這個名稱，就是對應的那一行、列的索引。如圖所示 ，上述有“紅橙黃綠藍靛紫黑”八種顏色，分別編號為1-8，每個號對應的都是一個Series。Series1的name為“地區1”，Series2的name為“地區2”…Series8的name為“廣州”。
  接下來，我們使用代碼檢驗一下。

df = pd.DataFrame(np.random.randint(70,100,(3,5)), 
                  index=["地區1", "地區2", "地區3"], 
                  columns=["北京","天津", "上海","沈陽", "廣州"])
display(df)

df.loc["地區1"].name
df.loc["地區2"].name
......
df["廣州"].name

結果如下：

2）為行索引、列索引設置name名稱屬性：df.index.name和df.columns.name

df = pd.DataFrame(np.random.randint(70,100,(3,5)), 
                  index=["地區1", "地區2", "地區3"], 
                  columns=["北京","天津", "上海","沈陽", "廣州"])
display(df)

df.index.name = "index_name"
df.columns.name = "columns_name"
display(df)

結果如下：

綜上所述：通過上面的演示，我們不僅DataFrame的每一行、每一列有一個name名稱，並且我們還可以給DataFrame的行索引和列索引分別設置一個name名稱。