DataFrame——数据创建与导入

阿雷边学边教python数据分析第3期——pandas与numpy

1.什么是DataFrame

DataFrame是一种表格型的数据结构。

2.DataFrame的特征

（1）第一行为字段，即列名，从第二行开始为一行一行的记录
（2）每列可以是不同的值类型（数值，字符串，布尔值等）
（3）既有行索引也有列索引

3.获得DataFrame的两种方式

（1）自己创建DataFrame

• 通过字典创建DataFrame

开始之前我们要先导入pandas库，同时为了方便起见，也导入numpy库

import pandas as pd 
import numpy as np

第一种方式：通过单层字典创建DataFrame

df1 = pd.DataFrame({"a":range(100,111),"b":range(200,211)})
df1

第二种方式：通过嵌套字典创建DataFrame

dict_1 = {"b":{2015:3,2016:4,2017:7},"a":{2015:10,2016:20,2017:27}}
df2 = pd.DataFrame(dict_1)
df2

我们发现了一些有趣的事情：
1.外层字典的键（即b和a）作为了列，内层键（即2015,2016,2017）则作为了行索引
2.列名和行索引的排列方式按照升序排列了，和创建dict_1时的顺序不一样，这说明了用字典创建DataFrame时，索引和列名会默认地按照由小到大即升序的方式来排列

那么问题来了，我们能否显式地去指定索引和列名的顺序呢？

dict_1 = {"a":{2016:4,2015:3,2017:7},"b":{2017:27,2016:20,2015:10}}
df2 = pd.DataFrame(dict_1,index=[2017,2015,2016],columns=["b","a"])
df2

事实说明是可以的，由此我们又收获到了一个知识点：
在用字典创建DataFrame时，我们可以指定索引和列名的排列顺序。

• 通过数组创建DataFrame

df3 = pd.DataFrame(np.arange(12).reshape(3,4),index=[2015,2016,2017],columns=["产品1","产品2","产品3","产品4"])
df3

相关解释：
arange(12)：其实和range（）差不多，只不过arange是在数组意义上的快速生成数列的方法。
reshape(3,4)：将数组对象按照3行4列的方式排列
index：索引
columns：列名

（2）从外部导入DataFrame

导入的文件必须存放在python当前的路径里

• 导入csv文件

对于windows系统，在导入数据时可能会遇到一些编码问题，添加参数encoding="gbk"就可以解决大部分的情况了

文件里如果没有中文

pd.read_csv("1.csv")

如果文件包含中文，则添加encoding="gbk"

pd.read_csv("pokemon_data.csv",encoding="gbk")

4.导出csv文件

df.to_csv(".csv")