呀~部落客是正在學習資料分析的一員，記錄的是自己學習過程中總結的知識點，肯定有不完善的地方，如有問題可以私聊我改正，共同學習進步。希望大家都能保持學習的熱情，堅持自己，不斷超越自己！
部落格位址：qxi的部落格
還是可以先了解下基礎篇(1)喲：pandas子產品基礎知識(1)
上一篇總結的是pandas子產品中的Series對象，還是比較簡單内容也不多，現在就開始介紹比較重要的資料結構：
DataFrame
#這一篇主要總結的是DataFrame與Series的差別，DataFrame如何生成，以及一些最最基本的操作，最後還有DataFrame的排序問題。#
1、注意Series隻有
一列序列值
，左邊是索引，而DataFrame是二維的，可以有很多列序列值，每一列可以是不同的值類型（數值，字元串，布爾值等），DataFrame即有行索引又有列索引。看下面這個例子應該會好了解些：
import pandas as pd
s=pd.Series([[32,6,17,3],[12,3,5,-7]])
df=pd.DataFrame([[32,6,17,3],[12,3,5,-7]])
print(s)
print(df)
運作結果：
0 [32, 6, 17, 3]
1 [12, 3, 5, -7] #Series隻有一列序列值，左邊是索引
0 1 2 3
0 32 6 17 3
1 12 3 5 -7 #DataFrame可以有多列，有行索引列索引
2、如何生成DataFrame?通常可以利用
numpy數組
或者
字典
來生成DataFrame。
例子中
np.arange(12).reshape(3,4)
就是numpy數組，
data
是字典，
利用index指定行索引，利用columns指定列索引。
import pandas as pd
import numpy as np
df1=pd.DataFrame(np.arange(12).reshape(3,4)) #預設索引
print(df1)
df2=pd.DataFrame(np.arange(12).reshape(3,4),index=['a','b','c'],columns=['d','e','f','g']) #指定索引
print(df2)
data={'sex':['男','女','男','女','女'],'name':['李明','曉青','小亮','少梅','欣欣'],'score':[83,76,89,90,95]} #字典
df3=pd.DataFrame(data)
print(df3)
運作結果：
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11 #預設索引從0開始
d e f g
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11 #指定索引結果
sex name score
0 男 李明 83
1 女 曉青 76
2 男 小亮 89
3 女 少梅 90
4 女 欣欣 95 #利用字典生成
3、對DataFrame的基本操作，顯示每一列的資料類型、顯示出值，顯示行索引以及列索引。
import pandas as pd
data={'sex':['男','女','男','女','女'],'name':['李明','曉青','小亮','少梅','欣欣'],'score':[83,76,89,90,95]} #字典
df=pd.DataFrame(data)
print(df)
print(df.dtypes) #每一列的資料類型
print(df.values) #顯示出值
print(df.index) #顯示行索引
print(df.columns) #顯示列索引
運作結果：
sex name score
0 男 李明 83
1 女 曉青 76
2 男 小亮 89
3 女 少梅 90
4 女 欣欣 95
sex object
name object
score int64
dtype: object
[['男' '李明' 83]
['女' '曉青' 76]
['男' '小亮' 89]
['女' '少梅' 90]
['女' '欣欣' 95]]
RangeIndex(start=0, stop=5, step=1) #行索引值
Index(['sex', 'name', 'score'], dtype='object') #列索引值
4、DataFrame的描述統計以及
轉置
import pandas as pd
data={'sex':['男','女','男','女','女'],'name':['李明','曉青','小亮','少梅','欣欣'],'chinese':[83,76,89,90,95],'matn':[88,90,87,78,95],'English':[77,98,90,87,85]} #字典
df=pd.DataFrame(data)
print(df)
print(df.describe()) #描述統計量
print(df.T) #轉置
運作結果：
sex name chinese matn English
0 男 李明 83 88 77
1 女 曉青 76 90 98
2 男 小亮 89 87 90
3 女 少梅 90 78 87
4 女 欣欣 95 95 85 #原表
chinese matn English
count 5.000000 5.000000 5.000000
mean 86.600000 87.600000 87.400000
std 7.300685 6.188699 7.635444
min 76.000000 78.000000 77.000000
25% 83.000000 87.000000 85.000000
50% 89.000000 88.000000 87.000000
75% 90.000000 90.000000 90.000000
max 95.000000 95.000000 98.000000 #描述統計一些量，由于前面列不是數值型，就沒有這些量
0 1 2 3 4
sex 男 女 男 女 女
name 李明 曉青 小亮 少梅 欣欣
chinese 83 76 89 90 95
matn 88 90 87 78 95
English 77 98 90 87 85 #轉置結果
5、DataFrame的
排序問題
。
①sort_index(axis,ascending)函數是指按
索引
對資料進行排序，當axis=0表示逐行操作，針對
行索引
排序，1表示逐列操作，針對
列索引
排序；ascending=True是預設對索引升序排序，ascending=False是對索引降序排序。
②sort_values(by,ascending)是指按
某一列數值
進行排序，by引出哪一列，同樣ascending=False是降序排序。
import pandas as pd
data={'sex':['男','女','男','女','女'],'name':['李明','曉青','小亮','少梅','欣欣'],'chinese':[83,76,89,90,95],'matn':[88,90,87,78,95],'English':[77,98,90,87,85]} #字典
df=pd.DataFrame(data)
df.columns=['A','B','C','D','E'] #對索引列修改
print(df)
print(df.sort_index(axis=0,ascending=False)) #逐行操作，對行索引降序
print(df.sort_index(axis=1,ascending=False)) #逐列操作，對列索引降序
print(df.sort_values(by='C',ascending=False)) #對C列數值降序排序
運作結果：
A B C D E
0 男 李明 83 88 77
1 女 曉青 76 90 98
2 男 小亮 89 87 90
3 女 少梅 90 78 87
4 女 欣欣 95 95 85 #修改之後的
A B C D E
4 女 欣欣 95 95 85
3 女 少梅 90 78 87
2 男 小亮 89 87 90
1 女 曉青 76 90 98
0 男 李明 83 88 77 #行索引降序排序，變成4,3，2,1，0
E D C B A
0 77 88 83 李明 男
1 98 90 76 曉青 女
2 90 87 89 小亮 男
3 87 78 90 少梅 女
4 85 95 95 欣欣 女 #列索引降序排序，變成E,D,C,B,A
A B C D E
4 女 欣欣 95 95 85
3 女 少梅 90 78 87
2 男 小亮 89 87 90
0 男 李明 83 88 77
1 女 曉青 76 90 98 #對C列數值降序排序
好啦，今天的總結就到這裡啦。我覺得如果你是剛入門python資料分析的話，其實一開始對自己要求不能太高，得循序漸進，慢慢來，基礎易懂的東西才适合剛入門，這樣才不會容易被打擊，反而覺得挺有趣，因為你能看懂，啃得動哈哈，希望我的文章對你有幫助，關注我哈，我會持續更新的~
![TestLink導出用例轉換工具(XML2Excel)[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)