呀~博主是正在学习数据分析的一员，记录的是自己学习过程中总结的知识点，肯定有不完善的地方，如有问题可以私聊我改正，共同学习进步。希望大家都能保持学习的热情，坚持自己，不断超越自己！
博客地址：qxi的博客
还是可以先了解下基础篇(1)哟：pandas模块基础知识(1)
上一篇总结的是pandas模块中的Series对象，还是比较简单内容也不多，现在就开始介绍比较重要的数据结构：
DataFrame
#这一篇主要总结的是DataFrame与Series的区别，DataFrame如何生成，以及一些最最基本的操作，最后还有DataFrame的排序问题。#
1、注意Series只有
一列序列值
，左边是索引，而DataFrame是二维的，可以有很多列序列值，每一列可以是不同的值类型（数值，字符串，布尔值等），DataFrame即有行索引又有列索引。看下面这个例子应该会好理解些：
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)
运行结果：
0 [32, 6, 17, 3]
1 [12, 3, 5, -7] #Series只有一列序列值，左边是索引
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数组
或者
字典
来生成DataFrame。
例子中
np.arange(12).reshape(3,4)
就是numpy数组，
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)) #默认索引
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','晓青','小亮','少梅','欣欣'],'score':[83,76,89,90,95]} #字典
df3=pd.DataFrame(data)
print(df3)
运行结果：
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11 #默认索引从0开始
d e f g
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11 #指定索引结果
sex name score
0 男 李明 83
1 女 晓青 76
2 男 小亮 89
3 女 少梅 90
4 女 欣欣 95 #利用字典生成
3、对DataFrame的基本操作，显示每一列的数据类型、显示出值，显示行索引以及列索引。
import pandas as pd
data={'sex':['男','女','男','女','女'],'name':['李明','晓青','小亮','少梅','欣欣'],'score':[83,76,89,90,95]} #字典
df=pd.DataFrame(data)
print(df)
print(df.dtypes) #每一列的数据类型
print(df.values) #显示出值
print(df.index) #显示行索引
print(df.columns) #显示列索引
运行结果：
sex name score
0 男 李明 83
1 女 晓青 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' '晓青' 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的描述统计以及
转置
import pandas as pd
data={'sex':['男','女','男','女','女'],'name':['李明','晓青','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()) #描述统计量
print(df.T) #转置
运行结果：
sex name chinese matn English
0 男 李明 83 88 77
1 女 晓青 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 #描述统计一些量，由于前面列不是数值型，就没有这些量
0 1 2 3 4
sex 男 女 男 女 女
name 李明 晓青 小亮 少梅 欣欣
chinese 83 76 89 90 95
matn 88 90 87 78 95
English 77 98 90 87 85 #转置结果
5、DataFrame的
排序问题
。
①sort_index(axis,ascending)函数是指按
索引
对数据进行排序，当axis=0表示逐行操作，针对
行索引
排序，1表示逐列操作，针对
列索引
排序；ascending=True是默认对索引升序排序，ascending=False是对索引降序排序。
②sort_values(by,ascending)是指按
某一列数值
进行排序，by引出哪一列，同样ascending=False是降序排序。
import pandas as pd
data={'sex':['男','女','男','女','女'],'name':['李明','晓青','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'] #对索引列修改
print(df)
print(df.sort_index(axis=0,ascending=False)) #逐行操作，对行索引降序
print(df.sort_index(axis=1,ascending=False)) #逐列操作，对列索引降序
print(df.sort_values(by='C',ascending=False)) #对C列数值降序排序
运行结果：
A B C D E
0 男 李明 83 88 77
1 女 晓青 76 90 98
2 男 小亮 89 87 90
3 女 少梅 90 78 87
4 女 欣欣 95 95 85 #修改之后的
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 晓青 76 90 98
0 男 李明 83 88 77 #行索引降序排序，变成4,3，2,1，0
E D C B A
0 77 88 83 李明 男
1 98 90 76 晓青 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，变成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 晓青 76 90 98 #对C列数值降序排序
好啦，今天的总结就到这里啦。我觉得如果你是刚入门python数据分析的话，其实一开始对自己要求不能太高，得循序渐进，慢慢来，基础易懂的东西才适合刚入门，这样才不会容易被打击，反而觉得挺有趣，因为你能看懂，啃得动哈哈，希望我的文章对你有帮助，关注我哈，我会持续更新的~
![TestLink导出用例转换工具(XML2Excel)[图]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)