col1 col2
1 2
b 3 4
创建DataFrame对象的数据可以为列表,数组和字典,列名和索引为列表对象
# DataFrame对象的基本操作
df2.index
指数([u ' a ' u ' b '], dtype='对象')
df2.columns
指数([u 'col1”、u 'col2”u 'col3”], dtype=岸韵蟆?
#根据索引查看数据
df2.loc [a]
#索引为一这一行的数据
# df2。iloc[0]跟上面的操作等价,一个是根据索引名,一个是根据数字索引访问数据
col1 - 1
col2 2
col3 3
名称:dtype: int64
打印df2。疯狂的[[a, b]] #访问多行数据,索引参数为一个列表对象
col1 col2 col3
1 2 3
4 5 6 b
打印df.loc [df.index [1:3]]
关口
b 2
c 3
#访问列数据
打印df2 [[‘col1’,‘col3]]
col1 col3
1 3
b 4 6
# DataFrame元素求和
#默认是对每列元素求和
打印df2.sum ()
col1 5
col2 7
col3 9
dtype: int64
#行求和
打印df2.sum (1)
一个6
b 15
dtype: int64
#对每个元素乘以2
打印df2。应用(λx: x * 2)
col1 col2 col3
一个2 4 6
8 10 12 b
#对每个元素求平方(支持ndarray一样的向量化操作)
打印df2 * * 2
col1 col2 col3
1 4 9
b 16 25 36
列扩充
#对DataFrame对象进行列扩充
df2 [' col4 ']=[“cnn”、“rnn”]
打印df2
col1 col2 col3 col4
1 2 3 cnn
4 5 6 b rnn
#也可以通过一个新的DataFrame对象来定义一个新列,索引自动对应
df2 [' col5 ']=pd.DataFrame ([' MachineLearning ', ' DeepLearning '],指数=[a, b])
打印df2
col1 col2 col3 col4 col5
1 2 3 cnn MachineLearning
4 5 6 b rnn DeepLearning
#行进行扩充
打印df2.append (pd.DataFrame ({“col2”:“col1”: 7日,8日“col3”: 9,“col4”:“rcnn”,“col5”:“ReinforcementLearning”},指数=[' c ']))
col1 col2 col3 col4 col5
1 2 3 cnn MachineLearning
4 5 6 b rnn DeepLearning
c 7 8 9 rcnn ReinforcementLearning
#如果在进行行扩充时候没有,指定指数的参数,索引会被数字取代
打印df2.append ({“col2”:“col1”: 10日11日“col3”: 12日“col4”:“frnn”,“col5”:“DRL”}, ignore_index=True)
