【千锋教育干货暴击】
如果你想更好的学习Python乃至转行，弯道超车，快人一步！本课程零基础即可加入学习，抓住大数据、机器学习、人工智能时代的红利，开启你的第一行代码吧！
↓ ↓ ↓
千锋教育Python教程_700集零基础Python入门到精通教程（保姆级新手教程）
千锋教育Python教程全套_python零基础入门到精通（学完可达到Python工程师水平）
前面我们介绍了Series知道它是类似于一维数组的对象，由一组数据以及之相关的数据标签(即索引)组成。
今天介绍的DataFrame它是Pandas中的一个表格型的数据结构（即类似excel的二维表），包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)，而且DataFrame即有行索引也有列索引。
DataFrame的创建
DataFrame的创建方式有如下几种：
通过等⻓列表创建
list1 = [[5,2,0,4],[2,3,4,5],[3,6,1,9],[4,1,0,8]]
df=pd.DataFrame(list1)
df默认会添加上行和列的索引（都是从0开始的依次往下递增）
我们也可以设置索引值，通过index和columns属性
list1 = [[5,2,0,4],[2,3,4,5],[3,6,1,9],[4,1,0,8]]
df=pd.DataFrame(list1,index=list('1234'),columns=list('ABCD'))
df则根据属性设置的索引展示
上面的方式适合数据量贼小，才这样创建。
通过Numpy数组创建
比如我们需要创建一个随机数组成的4*6的DataFrame，同时设置行或者列索引，但是要根据自己的需求来定，可以如下：
df=pd.DataFrame(np.random.randn(4,6),index=list('ABCD'),columns=list('123456'))
df结果：
但是要注意index和columns后面设置的索引要与数组的shape保持一致才可以，否则报错。
通过字典创建
通过字典创建就轻松很多，字典的数据可以来自爬虫，将爬取的各种数据保存成DataFrame的格式，便于日后的数据分析。假设我们有一组persons数据为字典格式：
persons={'name':['小花','狗蛋','二狗','小草'],'age':[17,20,30,20],'gender':['女','男','男','女']}
df=pd.DataFrame(dic1)
df输出结果：
读取数据文件创建
如果你的数据在某个excel或者csv，又或者在数据库中，我们可以通过读取这些数据，转成DataFrame对象。
pd.read_csv(filepath_or_buffer,header,parse_dates,index_col) 参数：
filepath_or_buffer：字符串，或者任何对象的read()方法。这个字符串可以是URL，有效的URL方案包括http、ftp、s3和文件。可以直接写入"文件名.csv"
header：将行号用作列名，且是数据的开头。注意当skip_blank_lines=True时，这个参数忽略注释行和空行。所以header=0表示第一行是数据而不是文件的第一行。
默认header=0（即第一行，索引从0开始）为列索引
# 作用：将csv文件读入并转化为DataFrame对象。
pd.read_csv('douyin.csv')输出结果：
# 使用方法通过read_csv()
pd.read_excel('阿里巴巴2017年股票数据.xlsx')输出结果：
当然也可以连接数据库完成数据的DataFrame加载
步骤1：创建连接对象，需要提前：pip install pymysql
其中user是你连接mysql数据库的用户名，password表示用户密码，database表示要连接的数据库名字，charset表示编码
import pymysql
con = pymysql.connect(host=localhost, user=username, password=password, database=dbname, charset=‘utf8’, use_unicode=True)
步骤2：定义sql语句
sql_cmd = 'select * from 表名'
df = pd.read_sql(sql_cmd, con)DataFrame对象的常用操作
常用的属性有：
index:返回df的索引，即行标签
columns:返回df的列名，即列标签
df.dtypes:返回df每一列的数据类型
df.values:以numpy的形式返回df中的值
常用操作有：
同理df.notna() 检测没有缺失值，与df.isna()相反，就不演示了。
