专栏导读

✍ 作者简介：i阿极，CSDN Python领域新星创作者，专注于分享python领域知识。

✍ 本文录入于《数据分析之道》，本专栏针对大学生、初级数据分析工程师精心打造，对python基础知识点逐一击破，不断学习，提升自我。
✍ 订阅后，可以阅读《数据分析之道》中全部文章内容，包含python基础语法、数据结构和文件操作，科学计算，实现文件内容操作，实现数据可视化等等。
✍ 其他专栏：《数据分析案例》 ，《机器学习案例》

😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍

📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪

1、DataFrame简介

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

DataFrame 构造方法如下：

pandas.DataFrame( data, index, columns, dtype, copy)

参数说明：

• data：一组数据(ndarray、series, map, lists, dict 等类型)。

• index：索引值，或者可以称为行标签。

• columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。

• dtype：数据类型。

• copy：拷贝数据，默认为 False。

2、DataFrame创建

Pandas DataFrame是一种二维标签化数据结构，可以将其看作一个电子表格或SQL表。每列可以有不同的数据类型（数值，字符串，布尔值等），也可以有行和列标签。

在Pandas中创建DataFrame有多种方法，下面介绍其中的几种方法。

2.1字典创建DataFrame

使用Python的字典可以很方便地创建DataFrame，其中字典的键作为列标签，值作为列数据。

示例如下：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 32, 18, 47],
        'city': ['New York', 'Paris', 'London', 'Los Angeles']}

df = pd.DataFrame(data)
print(df)

2.2列表创建DataFrame

从多个列表创建DataFrame也是很常见的方法。在这种情况下，每个列表代表一个列，可以通过将这些列表组合成字典，然后传递给pd.DataFrame()函数来创建DataFrame。

示例如下：

import pandas as pd

names = ['Alice', 'Bob', 'Charlie', 'David']
ages = [25, 32, 18, 47]
cities = ['New York', 'Paris', 'London', 'Los Angeles']

data = {'name': names, 'age': ages, 'city': cities}
df = pd.DataFrame(data)
print(df)

2.3ndarrays 创建DataFrame

import pandas as pd

data = {'age':[25, 32,18,47], 'name':['Alice','Bob','Charlie','David']}

df = pd.DataFrame(data)

print (df)

2.4CSV文件创建DataFrame

import pandas as pd

df = pd.read_csv('data.csv')
print(df)

data.csv是一个包含数据的CSV文件。如果CSV文件不包含列标签，则可以将header=None传递给read_csv()函数。如果CSV文件使用其他分隔符，则可以将sep参数设置为相应的分隔符。

3、DataFrame基本操作

3.1添加列

可以使用df[‘new_column’] = values的方式添加新列，其中values是一个与行数相同的列表或数组。

示例如下：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 32, 18, 47],
        'city': ['New York', 'Paris', 'London', 'Los Angeles']}

df = pd.DataFrame(data)
df['gender'] = ['F', 'M', 'M', 'M']
print(df)

3.2删除列

使用df.drop(‘column_name’, axis=1)的方式删除指定列。其中，axis=1表示沿着列的方向删除，axis=0表示沿着行的方向删除。

示例如下：

df = df.drop('gender', axis=1)
print(df)

---

📢文章下方有交流学习区！一起学习进步！💪💪💪
📢首发CSDN博客，创作不易，如果觉得文章不错，可以点赞👍收藏📁评论📒
📢你的支持和鼓励是我创作的动力❗❗❗