一、创建数据集
R语言中创建或导入数据框是非常常见的，只需要一个data.frame的命令就可以了，这个是R语言的基本命令。
我不习惯用Python进行表格式的数据操作和分析，这次和阿雷一起学习如何在Python中使用pandas库来进行基本的数据框操作。
首先当然是要安装pandas库，这个在上一篇文章中已经写过了，
其次就是要加载这个库，python中可以使用命令：
1、使用DataFrame()命令，来创建数据框（这个命令的含义是，括号里面的数据类型，捆绑成数据框的形式）
2. 我这里使用的是字典，索引‘a’和‘b’分别可以看成是列名，然后每一列下面的值就是序列，使用命令range生成，也就是值包含了很多值（因为range生成的不只是一个数）
3. 我还想试试字典里面的值不是range，而是列表
经过实践，这样也是可以的！！
4. 在Rstudio这样的编译器中，可以很方便地可视化看到我们的数据结构是如何的，这里我们也可以。直接双击右侧变量管理中的value值，就可以看到啦
这样一来，我觉得Spyder的编译器和Studio也很类似，编译环境变得异常友好起来！
二、外部数据集导入
学习了如何创建数据集，下面开始学习数据集如何导入。
1. 导入的文件必须是存放在Python当前的路径
2. 如何查看Python当前的路径：import os之后,os.getcwd()，也可以使用ios.chdir()更换文件所在路径
3.使用pd.read_csv('文件名及后缀',encoding = 'dbk') 这里如果你的表格有中文，要加一个参数encoding = 'gbk'，如果不是的话，那么就不必了，如果操作系统是MAC的话，就换成utf-8
4.如果是exlce文件，可以使用pd.read_excel('文件名.xlsx',encoding = 'gbk')
三、数据导出
假设一个数据df2已经存放在了Python环境中，使用df.to_csv('导出后的文件名和后缀')，就可以了
