本节主要介绍一下Pandas的另一个数据结构：DataFrame，本文的内容来源：https://www.dataquest.io/mission/147/pandas-internals-dataframes
在上一节中已经介绍过了Series对象，Series对象可以理解为由一列索引和一列值，共两列数据组成的结构。而DataFrame就是由一列索引和多列值组成的结构，其中，在DataFrame中的每一列都是一个Series对象。
行选择
不管何时，你调用了一个方法返回或者打印一个DataFrame时，最左边的一列必然是索引值，可以通过index属性来直接访问DataFrame的索引值，本节所用的数据来源于：https://github.com/fivethirtyeight/data/tree/master/fandango
import pandas as pd fandango = pd.read_csv('fandango_score_comparison.csv') # print(fandango.head(2)) 输出前两行 print(fandango.index) # 打印索引列的值
这是原始的数据：
在Series中，每一个索引都对应着一个值，在DataFrame中，每一个索引则对应着一行的数据，可以通过几种方法来选择多数据
# 选择前五行 fandango[0:5] # 选择索引号140及其以后的行 fandango[140:] # 只选择索引号为50的那一行 fandango.loc[50] # 选择索引号为45和90的两行 fandango.loc[[45,90]]
总结：要选择连续的多行，就是用列表的切片功能，选择一行就是用loc[]方法或者iloc[]方法（二者的区别可以看我的另一篇博客“Pandas之让人容易混淆的行选择和列选择“）
当选择一行的数据时，Pandas会返回一个Series对象，当选择多行数据时，会返回一个DataFrame对象
自定义索引
Pandas可以使用某一列来重新自定义DataFrame的索引，通过set_index()方法来实现，该方法主要有两个参数：
- inplace，如果设置为True就不会返回一个新的DataFrame，而是直接修改该DataFrame
- drop，如果设置为True，就会移出掉该列的数据
# 我要把电影名称作为该DataFrame的索引 fandango = pd.read_csv('fandango_score_comparison.csv') fandango_films = fandango.set_index('FILM', inplace=False, drop=True)
可以看到索引值已经变了，并且该DataFrame中也移除了名为FILM的列（该列变成了索引）
使用了自定义的索引后，类似于之前的行选择一样进行选择，只是把整数索引换成了电影名称而已，例如
# 使用切片或者loc[]函数 fandango_films["Avengers: Age of Ultron (2015)":"Hot Tub Time Machine 2 (2015)"] fandango_films.loc["Avengers: Age of Ultron (2015)":"Hot Tub Time Machine 2 (2015)"] # 指定要返回的电影 fandango_films.loc['Kumiko, The Treasure Hunter (2015)'] # 选择要返回的多部电影 movies = ['Kumiko, The Treasure Hunter (2015)', 'Do You Believe? (2015)', 'Ant-Man (2015)'] fandango_films.loc[movies]
Apply方法
apply()方法是运行在Series对象中的，而Pandas中任何单独一列或者单独一行的数据就是一个Series对象，apply()方法中要传递的是一个向量运算方法
如果该方法返回一个单独的值（譬如将整列（行）的值相加），那么就会返回一个Series，该Series保存的是全部列的运行结果，如下
import numpy as np # 得出每一列的数据类型 types = fandango_films.dtypes # 选择具有浮点数据的那些列 float_columns = types[types.values == 'float64'].index float_df = fandango_films[float_columns]
# 对选择的列计算总分，在lambda中的x是一个Series，代表了某一列 count = float_df.apply(lambda x: np.sum(x))
如果该方法没有合并运算结果（譬如将整列（行）的值都分别乘2），那么就会返回一个DataFrame。如下
double_df = float_df.apply(lambda x: x*2)
如果要在行上使用apply()方法，只要指定参数axis = 1即可
# 计算每部电影的平均分 means = float_df.apply(lambda x: np.mean(x), axis = 1)
