pandas的DataFrame

DataFrame是一個表格型的數據結構，它含有一組有序的列，每列可以是不同的值類型（數值、字元串、布爾值等）。

DataFrame既有行索引也有列索引，它可以被看做由Series組成的字典（共用同一個索引）。跟他類似的數據結構相比,DataFrame面向行和列的操作基本上是平衡的。

DataFrame中的數據是以一個或多個二維塊存放的（並不像列表、字典或別的一維數據結構）。

構建DataFrame：由一個等長列表或NumPy數組組成的字典構建。比如以廣東、山東、河南三省在2013和2016的常住人口為例：

從結果可以看出，DataFrame會自動加上索引（跟Series一樣），且全部列會被有序排列。

如果指定了列序列，則DataFrame的列會按照指定順序進行排列：

DataFrame跟Series一樣，如果傳入的列在數據中找不到，就會產生NA值：

可以通過類似字典標記的方式或屬性的方式，將DataFrame的列獲取為一個Series：

從上面的例子可以看出，返回的Series擁有原DataFrame相同的索引，且name屬性也被相應地設置好。

除此以外，行也可以通過位置或名稱的方式進行獲取，比如使用索引欄位ix：

從結果上看，.ix已不推薦使用， 建議使用.loc(基於標籤的索引）和.iloc(位置索引)：

列可以通過賦值的方法進行修改。例如給空的「growth rate」列附上一個標量或一組值：

將列表或數組賦值給某個列時，其長度必須跟DataFrame的長度相匹配。如果賦值的是一個Series，就會精確匹配DataFrame的索引，所有的空位都將被填上缺失值NaN：

為不存在的列賦值會創建出一個新列。關鍵字del用於刪除列：

注意：Series會直接修改源DataFrame上的數據。

另一種數據形式：嵌套字典（字典的字典）

如果將嵌套字典傳給DataFrame，會把外層字典的鍵作為列，內層鍵作為行索引，還可以對結果進行轉置。

內層字典的鍵會被合併、排序以形成最終的索引。如果顯式指定索引，則按指定的排序：

由Series組成的字典：

下面列出了DataFrame構造函數所能接受的各種數據：

設置DataFrame的index和columns的name屬性：

設置values屬性，以二維ndarray的形式返回DataFrame中的數據：

如果DataFrame各列的數據類型不同，則值數組的數據類型會選用能兼容所有列的數據類型：

索引對象

pandas的索引對象負責管理軸標籤和其他元素數據（比如軸名稱等）。構建Series或DataFrame時，所用到的任何數組或其他序列的標籤都會轉換成一個Index：

Index對象是不可修改：

Index對象是不可修改才能保證Index對象在多個數據結構之間安全共享：

Index的功能類似一個固定大小的集合：

下面列出了Index的方法和屬性：

源碼：