3.3 核心数据结构：DataFrame

3.3.1  创建与访问

什么是 DataFrame？

DataFrame 是 Pandas 中的核心数据结构之一，多行多列表格数据，类似于 Excel 表格 或 SQL 查询结果。
 它是一个 二维表格结构，具有行索引（index）和列标签（columns）。

df = pd.DataFrame({
    "name": ["Alice", "Bob"],
    "score": [90, 80]
})

DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）。它可以被看做由Series组成的字典（共同用一个索引）。提供了各种功能来进行数据访问、筛选、分割、合并、重塑、聚合以及转换等操作，广泛用于数据分析、清洗、转换、可视化等任务。

DataFrame的创建

# 通过series来创建
import pandas as pd
import numpy as np
np.random.seed(42)
s1 = pd.Series(np.random.randint(0,10,6))
np.random.seed(41)
s2 = pd.Series(np.random.randint(0,20,6))
df = pd.DataFrame({"s1":s1,"s2":s2})

直接通过字典创建DataFrame

import pandas as pd
df = pd.DataFrame({    "name": ["Alice", "Bob"],    "score": [90, 80]})
print(df)
df = pd.DataFrame({"id": [101, 102, 103], 
"name": ["张三", "李四", "王五"], "age": [20, 30, 40]})
print(df)
#     id name  age
# 0  101   张三   20
# 1  102   李四   30
# 2  103   王五   40

通过字典创建时指定列的顺序和行索引

df = pd.DataFrame(
    data={"age": [20, 30, 40], 
    "name": ["张三", "李四", "王五"]}, 
    columns=["name", "age"], index=[101, 102, 103]
)
print(df)
#     name  age
# 101   张三   20
# 102   李四   30
# 103   王五   40

获取DataFrame数据

方法分类	语法示例	描述	返回值类型	是否支持切片/条件索引
列选择	df[‘col’]	选择单列（返回Series）	Series	❌
	df[[‘col1’, ‘col2’]]	选择多列（返回DataFrame）	DataFrame
行选择	df.loc[row_label]	通过行标签选择单行（返回Series）	Series	✅（标签切片）
	df.loc[start:end]	通过标签切片选择多行（闭区间）	DataFrame
	df.iloc[row_index]	通过行位置选择单行（从0开始）	Series	✅（位置切片）
	df.iloc[start:end]	通过位置切片选择多行（左闭右开）	DataFrame
行列组合选择	df.loc[row_labels, col_labels]	通过标签选择行和列（如df.loc[‘a’:’b’, [‘col1′,’col2’]]）	Series/DataFrame	✅
	df.iloc[row_idx, col_idx]	通过位置选择行和列（如df.iloc[0:2, [1,3]]）	Series/DataFrame
条件筛选	df[df[‘col’] > 3]	通过布尔条件筛选行	DataFrame	✅
	df.query(“col1 > 3 & col2 < 10”)	使用表达式筛选（需字符串表达式）	DataFrame
快速访问	df.at[row_label, ‘col’]	快速访问单个值（标签索引，高效）	标量值	❌
	df.iat[row_idx, col_idx]	快速访问单个值（位置索引，高效）	标量值
头部/尾部	df.head(n)	返回前n行（默认5）	DataFrame	❌
	df.tail(n)	返回后n行（默认5）	DataFrame
样本抽样	df.sample(n=3)	随机抽取n行	DataFrame
索引重置	df.reset_index()	重置索引（原索引变为列）	DataFrame
设置索引	df.set_index(‘col’)	指定某列作为新索引	DataFrame

1. loc** vs ****iloc**  
2. loc：基于**标签**（index/column names），切片为**闭区间**（如df.loc[‘a’:’c’]包含’c’）。  
3. iloc：基于**整数位置**（从0开始），切片为**左闭右开**（如df.iloc[0:2]不包含索引2）。  

• 布尔条件筛选  
• 支持组合条件（需用&、|，并用括号分隔条件）：  

df[(df['col1'] > 3) & (df['col2'] == 'A')]

• at**/****iat**** vs ****loc****/****iloc**  
• at/iat：仅用于**访问单个值**，速度更快。  
• loc/iloc：支持多行/列选择，功能更灵活。  

获取一列数据

# 访问数据
print(df['name'])  #访问某列数据
print(df.score)
 # df["col"] / df.col
df["name"]       # 返回 Series
df.name      
df[["name"]]     # 返回 DataFrame

获取多列数据

df[["date", "temp_max", "temp_min"]]  # 获取多列数据
print(df[['name','score']]) # 访问多列数据

获取行数据

loc：通过行标签获取数据

df.loc[1]  # 获取行标签为1的数据
df.loc[[1, 10, 100]]  # 获取行标签分别为1、10、100的数据

iloc：通过行位置获取数据

df.iloc[0]  # 获取行位置为0的数据
df.iloc[-1]  # 获取行位置为最后一位的数据

获取指定单元格

df.loc[101, "name"]    # 标签访问
df.iloc[0, 1]          # 位置访问
df.loc[1, "precipitation"]  # 获取行标签为1，列标签为precipitation的数据
df.loc[:, "precipitation"]  # 获取所有行，列标签为precipitation的数据
df.iloc[:, [3, 5, -1]]  # 获取所有行，列位置为3，5，最后一位的数据
df.iloc[:10, 2:6]  # 获取前10行，列位置为2、3、4、5的数据
df.loc[:10, ["date", "precipitation", "temp_max", "temp_min"]]  # 通过行列标签获取数据

查看部分数据

通过head()、tail()获取前n行或后n行

print(df.head())
print(df.tail(10))

使用布尔索引筛选数据

# 条件筛选
df['score']>70
print(df[df.score>70])
print(df[(df['score']>70) & (df['age']<20)])
# 随机抽样
df.sample(2)

常用属性

属性	说明
index	DataFrame的行索引
columns	DataFrame的列标签
values	DataFrame的值
ndim	DataFrame的维度
shape	DataFrame的形状
size	DataFrame的元素个数
dtypes	DataFrame的元素类型
T	行列转置
loc[]	显式索引，按行列标签索引或切片
iloc[]	隐式索引，按行列位置索引或切片
at[]	使用行列标签访问单个元素
iat[]	使用行列位置访问单个元素

import pandas as pd
df = pd.DataFrame(data={"id": [101, 102, 103], "name": ["张三", "李四", "王五"], "age": [20, 30, 40]},index=["aa", "bb", "cc"])
# index DataFrame的行索引
print(df.index)
# columns   DataFrame的列标签
print(df.columns)
# values    DataFrame的值
print(df.values)
# ndim  DataFrame的维度
print(df.ndim)
# shape DataFrame的形状
print(df.shape)
# size  DataFrame的元素个数
print(df.size)
# dtypes    DataFrame的元素类型
print(df.dtypes)
# T 行列转置
print(df.T)
# loc[] 显式索引，按行列标签索引或切片 逗号前是行切片规则，后是列切片规则
print(df.loc["aa":"cc"])
print(df.loc[:,["id","name"]])
# iloc[]    隐式索引，按行列位置索引或切片
print(df.iloc[0:1])
print(df.iloc[0:3,2])
print("----------")
# at[]  使用行列标签访问单个元素
print(df.at["aa","name"])
# iat[] 使用行列位置访问单个元素
print(df.iat[0,1])