#### DataFrame
* 三个基本属性：values，columns,index
Pandas DataFrame.values属性返回对应的二维数组的numpy数值，
Pandas DataFrame.columns属性返回给定Dataframe的列标签。return Index([], dtype='object')
Pandas DataFrame.index属性返回给定Dataframe的行索引。 return Index([], dtype='object')
* 其他属性
Pandas DataFrame.shape属性返回形状
* 索引方式
1. 列索引
（1）df.col_index_name : 对于DataFrame而言，列名就相当于df属性，返回Series类型
（2）df['col_index_name']: 字典方式，返回Series类型
2. 行索引
（1）df.loc['row_inde_name']: 返回Series类型, df.loc[[A,B,C]]可以返回多行数据,即DataFrame类型，也可以loc[A:C]切片索引
（2）df.iloc[n:m]: 隐式索引，左闭右开[n,m)
3. 元素索引
（1）使用列索引df['col_index_name']['row_index_name']: 可以直接修改某值
（2）使用行索引df.loc['row_index_name']['col_index_name']/df.loc['row_index_name','col_index_name']
（3）使用values取出某值df.values[row,index] : 取出第row行第index个
* 重置索引
1. 基本方法
df.index = []
df.columns = []
* 创建方式
1. 字典
列索引：不赋值时，字典的键（key），不匹配的单元填充为nan；若赋值，则为赋值给他的List
行索引：不赋值时，由DataFrame自动添加，默认从0开始；若赋值，则为赋值给他的List
dict = {"col_index1": [x1, x2], "col_index2": [y1,y2]}
df.DataFrame(dict, index=[A, B])
col_index1 col_index2
A x1 y1
B x2 y2
2. Series
col1 = pd.Series({"row_index1":"v1", "row_index2":"v2"})
col2 = pd.Series({"row_index1":"v3", "row_index2":"v4"})
pd.DataFrame({"col_index1": col1, "col_index2":col2 })
col1_index1 col_index2
row_index1 v1 v3
row_index2 v2 v4
3. numpy数组
指定index和columns
a = np.arrar([0,1],[2,3])
df.DataFrame(a, index=["A", "B"], columns=["X", "Y"])
X Y
A 0 1
B 2 3
- dict保存到excel
import pandas as pd
创建空表格
nan_excel = pd.DataFrame()
nan_excel.to_excel("./test.xlsx")
打开表格保存指定dict
writer = pd.ExcelWriter("./test.xlsx")
pd.DataFrame(dict).to_excel(writer)
writer.save()
Original: https://blog.csdn.net/zmj1582188592/article/details/121566352
Author: 友人小A
Title: Pandas DataFrame
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/674101/
转载文章受原作者版权保护。转载请注明原作者出处！