目录
简介：
本片文章我们来介绍pandas的另一个数据类型DataFrame
DataFrame是一个二维标记数据结构，其中包含可能不同类型的列。您可以将其视为电子表格或SQL表，或者Series对象的字典。它通常是最常用的pandas对象。与Series一样，DataFrame接受许多不同类型的输入：
一维ndarray，列表，字典，或字典的Series
二维numpy.ndarray
结构化或记录数组
一个Series
其他DataFrame等
除了数据之外，您还可以选择传递索引（行标签）和列（列标签）参数。如果您传递索引和/或列，则可以保证生成的DataFrame的索引和/或列。因此，Series的字典加上特定索引将丢弃所有与传递的索引不匹配的数据。如果未传递轴标签，他们将根据常识规则从输入数据构建。
一，1.1来自Series字典或字典
生成的索引将是各个系列的索引的并集。如果有任何嵌套字典他们将首先转化为系列。如果每日有传递列，则列将是字典键的有序列表。
可以通过访问index喝columns属性来分别访问行和列 标签：
1.2 来自ndarray或者列表的字典：
ndarray的长度必须相同。如果传递索引，他也必须与数组的长度相同，如果没有传递索引，结果将为range(n)，n为数组长度。
1.3来自结构化或记录数组;
这种情况的处理方式与数组字典相同
1.4来自字典列表：
1.4来自元组的字典：
可以通过传递元组字典来自动创建MultiIndexed frame
1.5 来自Series
结果将是一个与输入Series具有相同索引的DataFrame，并且其中一列的名称是Series的原始名称（仅当 为提供其他列名称时）
二，代替构造函数：
2.1DataFrame.from_dict
DataFrame.from_dict()接受一个字典或一个近似数组序列的字典并返回一个DataFrame。他的操作类似于DataFrame构造函数，除了默认 orient参数是columns之外，还可以设置该参数index使用字典键作为行标签。
通过orient='index' 键将是行标签。在这种情况下，还可以传递所需列的名称。
2.2DataFrame.from_records
DataFrame.from_records()接收元组列表或具有结构化数据类型的ndarray。他的工作方式与普通DataFrame构造函数类似，只是生成的DataFrame 索引可能是结构化数据类型的特定字段。
三，列表的选择，删除，添加
可以将DataFrame语义视为相似索引Series对象的字典。获取设置和删除列的语法与类似的dict操作相同
也可以像字典一样删除或弹出列：
当插入标量值时，他自然会传播以填充列：
当插入与Series不具有相同索引的DataFrame时，他将符合DataFrame的索引
四，在方法链中分配新列
DataFrame中有一种assign()方法可以轻松创建可能从现有列派生的新列
在上面的示例中，我们插入了一个预先计算的值。我们还可以传入一个只有一个参数的函数，以便在分配给的DataFrame上进行计算。
assign()始终返回数据的副本，保持原始的DataFrame不变。
五，索引
| 选择 | 语法 | 结果 |
| 选择列 | df[col] | Series |
| 按标签选择行 | df.loc[label] | Series |
| 按整数位置选择行 | df.iloc[loc] | Series |
| 切片行 | df[5:10] | DataFrame |
| 通过布尔向量选择行 | df[bool_vec] | DataFrame |
例如，行选择返回一个Series，其索引是DataFrame的列
六，数据对齐：
对象之间的数据对齐会在列和索引DataFrame上自动对齐，同样，生成的对象将具有列标签和行标签的并集
DataFrame和Series之间执行操作时，默认行为是对齐列上的索引，从而按行广播，
