本系列内容所用Python版本为anaconda，直接浏览器搜索下载安装即可！

---

昨天的内容，我们简单学习了一下pandas第三方库的概念，以及Series对象的创建和简单操作，今天我们继续学习pandas第三方库的另一个数据结构DataFrame。

一、DataFrame对象

DataFrame极大的简化了数据分析过程中的一些繁琐操作，它是一个表格型的数据结构，每一列代表一个变量，而每一行则是一条数据，简单的说，DataFrame是共享同一个index的Series集合

二、DataFrame对象的创建

DataFrame对象的创建方法与Series对象类似，只不过传入的数据是多维结构，同时他还有columns属性

1.通过DataFrame方法创建

创建默认index属性和columns属性的DataFrame对象

用random模块创建一个6x4的时间序列

df2的index属性、columns属性、values属性

2.通过读取数据创建

read_table()函数：常见的存储数据的文件如txt文件、csv文件，都可以通过read_table函数来处理

其函数调用形式如下：

pd.read_table('data_file',sep='/',header=None,names=None)

其中data_file是需要读取的文件的路径名，sep参数值文件中的数据的分隔方式，header参数指定哪一行为列名，names参数可以给列指定名称，除此之外read_table函数还有很多参数

读取上面txt文件的数据

DataFrame对象还有一个read_csv函数，用以专门读取csv文件，与read_table函数类似，不再赘述

三、DataFrame对象的索引与切片

1.查看DataFrame对象

与Series对象的查看一样，DataFrame对象也有head()、tail()等方法

用describe()查看对象变量的描述性统计

2.DataFrame对象行与列的单独操作

对行单独操作

提取1到4行的数据（不包括第4行）

对列单独操作

提取单独一列

用columns列表提取几列

通过比较运算提取元素

提取变量A大于9的每行元素

总结：对列进行切片会出错，同时对行和列操作也会出错,如df5['A':'B']或df5[1:4，'A']等都会报错

3.标签索引与切片

可以通过列标签和行标签提取数据，主要用到loc()方法

提取单独一列

提取多列

提取特定标量

提取变量c大于11的每一行

4.位置索引与切片

通过位置提取特定的数据与标签切片类似，不过是通过iloc()方法实现

提取特定行

提取所有行的第3列

提取第2行1列和第4行3列

提取特定标量

好了，今天的内容到这里先结束，关于DataFrame对象的内容还有很多，我们下次内容接着讲。

END