Pandas中另一个重要的数据对象为数据框（DataFram），由多个序列按照相同的index组织在一起形成一个二维表。事实上，数据框的每一列为序列。数据框的属性包括index、列名和值。由于数据框是更为广泛的一种数据组织形式，许多外部数据文件读取到Python中大部分会采用数据框的形式进行存取，比如数据库、excel和TXT文本。同时数据框也提供了极为丰富的方法用于处理数据及完成计算任务。数据框是Python完成数据处理及分析的最重要数据结构之一，因此学会灵活运用数据框是利用Python进行数据处理及挖掘的关键环节。

下面主要介绍数据框的创建、属性、方法和数据的访问及切片等内容。

1 数据框创建

基于字典，利用Pandas库中的DataFrame函数，可以创建数据框。其中字典的键转化为列名，字典的值转化为列值，而索引为默认值，即从0开始从小到大排列。

import pandas as pd

import numpy as np

data={'a':[2,2,np.nan,5,6],'b':[‘kl’,’kl’,’kl’,np.nan,’kl’],’c’:[4,6,5,np.nan,6],’d’:[7,9,np.nan,9,8]}

df=pd.DataFrame(data)

如下图

2 数据框属性

数据框对象具有三个属性，分别为列名、索引和值。比如以上3.3.1定义的数据框df，可以通过以下示例程序获取并打印其属性结果。

print('columns= ')

print(df.columns)

print('-'*50)

print('index= ')

print(df.index)

print('-'*50)

print('values= ')

print(df.values)

输出结果为：

columns= 

Index(['a', 'b', 'c', 'd'], dtype='object')

index= RangeIndex(start=0, stop=5, step=1)

--------------------------------------------------

values= 

[[2.0 'kl' 4.0 7.0]

 [2.0 'kl' 6.0 9.0]

 [nan 'kl' 5.0 nan]

 [5.0 nan nan 9.0]

 [6.0 'kl' 6.0 8.0]]

3 数据框方法

数据框（DataFrame）作为数据处理及挖掘分析的重要基础数据结构，提供了非常丰富的方法用于数据处理及计算。下面介绍其常用的方法，包括去掉空值（nan值）、对空值（nan值）进行填充、基于字段列值进行排序、基于index进行排序、取前N行数据、删除列、数据框之间的连接、数据框转化为Numpy数组、数据导出到Excel、相关统计分析等。下面分别给出其详细的介绍。

3.1数据框方法--去掉空值    

（ 1） dropna()

通过dorpna()方法，可以去掉数据集中的空值（nan值），需要注意的是原来数据集不发生改变，新数据集需要重新定义。以3.3.1定义的数据框df为例，示例代码如下：

df1=df.dropna()

执行结果如图所示（下）。

（2） fillna()

通过fillna()方法，可以对数据框中的空值（nan值）进行填充。默认情况下所有空值填充同一个元素值（数值或者字符串），也可以指定不同的列填充不同的值。以3.1定义的数据框df为例，示例代码如下：

df2=df.fillna(0)       #所有空值元素填充0

df3=df.fillna('Kl')      #所有空值元素填充kl

df4=df.fillna({'a':0,'b':'kl','c':0,'d':0})  #全部列填充

df5=df.fillna({'a':0,'b':'kl'}) #部分列填充

执行结果如图所示（下）。

3.2 数据框方法--指定的列进行排序    sort_values()

可以利用sort_values()方法，指定列按值进行排序，示例代码如下：

import pandas as pd

data={'a':[5,3,4,1,6],'b':['d','c','a','e','q'],'c':[4,6,5,5,6]}

Df=pd.DataFrame(data)

Df1=Df.sort_values('a',ascending=False)

 #默认按升序，这里设置为降序

执行结果如图所示(下）。

3.3  数据框方法—按索引进行排序   sort_index()

有时候需要对索引进行排序，这时候可以使用sort_index()方法，以前面定义的Df1为例，示例代码如下：

Df2=Df1.sort_index(ascending=False)  #默认按升序，这里设置为降序

执行结果如图所示(下）。

3.3  数据框方法—取前N行   head()

通过head(N)方法，可以取数据集中的前N行，比如取前面定义的数据框Df2中的前4行，示例代码如下：

H4=Df2.head(4);

执行结果如图所示（下）。

3.4  数据框方法—删除列   dorp()

利用dorp()方法，可以删掉数据集中的指定列。比如删除前面定义的H4中的b列，示例代码如下：

H41=H4.drop('b',axis=1) #需指定轴为1

执行结果如图所示（下）。

3.4 数据框方法—水平连接  join()

利用join()方法，可以实现两个数据框之间的水平连接，示例代码如下：

Df3=pd.DataFrame({'d':[1,2,3,4,5]})

Df4=Df.join(Df3)

执行结果如图所示（下）。

3.5  数据框方法—转换为数组    as_matrix()

可以利用as_matrix()方法，将数据框转换为Numpy数组的形式，方便程序使用，特别是数据框中的数据全为数值数据的时候更为有效。示例代码如下：

import pandas as pd

list1=['a','b','c','d','e','f']

list2=[1,2,3,4,5,6]

list3=[1.4,3.5,2,6,7,8]

list4=[4,5,6,7,8,9]

list5=['t',5,6,7,'k',9.6]

D={'M1':list1,'M2':list2,'M3':list3,'M4':list4,'M5':list5}  #定义字典D，值为字符、数值混合数据

G={'M1':list2,'M2':list3,'M3':list4}                  #定义字典G，值为纯数值数据

D=pd.DataFrame(D)                             #将字典D转化为数据框

D1=D.as_matrix()                               #将数据框D转化为Numpy数组D1

G=pd.DataFrame(G)                             #将字典G转化为数据框

G1=G.as_matrix()                               #将数据框G转化为Numpy数组G1

执行结果如图所示（下）。

而D不是纯的数值数据，转换后的Numpy数组在Spyder变量资源管理器中无法查看，但可以打印出来在控制台窗口中查看，通过print(D1)打印得到如下结果：

[['a' 1 1.4 4 't']

 ['b' 2 3.5 5 5]

 ['c' 3 2.0 6 6]

 ['d' 4 6.0 7 7]

 ['e' 5 7.0 8 'k']

 ['f' 6 8.0 9 9.6]]

因此，如果数据框中的数据为纯数值的时候，通过转换为Numpy数值数组，使用起来显得更加方便。

3.6 数据框方法—导出excel         to_excel()

Excel作为常用的数据处理软件，在日常工作中经常用到，通过to_excel()方法，可以将数据框导出到Excel文件中，比如将前面定义的D和G两个数据框导出到Excel文件中。示例代码如下：

D.to_excel('D.xlsx')

G.to_excel('G.xlsx')

执行结果如图所示（下）

3.7  数据框方法—描述统计

统计方法       可以对数据框中各列求和、求平均值或者进行描述性统计，以前面定义的Df4为例，示例代码如下：

Dt=Df4.drop('b',axis=1)   #Df4中删除b列

R1=Dt.sum()           #各列求和

R2=Dt.mean()      #各列求平均值

R3=Dt.describe()   #各列做描述性统计

结果如图所示（下）。

4. 数据框切片

(1) 利用数据框中的iloc属性进行切片

与数组切片类似，利用数据框中的iloc属性可以实现下标值或者逻辑值定位索引，并进行切片操作。假设DF为待访问或切片的数据框，则访问或者切片的数据=DF.iloc[①,②]。其中①为对DF的行下标控制，②为对DF的列下标控制，行和列下标控制通过数值列表来实现，但是需要注意的是列表中的元素不能超出DF中的最大行数和最大列数。为了更灵活地操作数据，取所有的行或者列，可以用“：”来代替实现。同时，行控制还可以通过逻辑列表来实现。以3.3中定义的df2为例，示例代码如下：

# iloc for positional indexing

c3=df2.iloc[1:3,2]

c4=df2.iloc[1:3,0:2]

c5=df2.iloc[1:3,:]

c6=df2.iloc[[0,2,3],[1,2]]

TF=[True,False,False,True,True]

c7=df2.iloc[TF,[1]]

执行结果如图所示(下）。

（2） 利用数据框中的loc属性进行切片

数据框中的loc属性则主要是基于列标签进行索引，即对列值进行筛选实现行定位，再通过指定列，从而实现数据切片操作。如果取所有列，可以用冒号来表示。切片操作获得的数据还可以筛选前N行。示例代码如下：

# loc for label based indexing

c8=df2.loc[df2['b'] == 'kl',:];

c9=df2.loc[df2['b'] == 'kl',:].head(3);

c10=df2.loc[df2['b'] == 'kl',['a','c']].head(3);

c11=df2.loc[df2['b'] == 'kl',['a','c']];

执行结果如图所示（下）。