每日10行代码164：认识pandas中的DataFrame 数据结构1——创建DataFrame

DataFrame可以说是pandas的核心，如果熟悉DataFrame对象的各种操作，可以说已经学会了pandas.
DataFrame表示的是矩阵的数据表，有点像数据库中的表，它包含已排序的列集合，每一列可以是不同的数据类型。DataFrame既有行索引也有列索引 ，DataFrame一般是二维的，但是可以通过分层索引来展现更高维度的数据。

有多种方式可以构建DataFrame,其中最常用的方式是利用包含等长度列表或 Numpy数组的字典来形成DataFrame:

In [66]: data = {'state':['Ohio','Ohio','Ohio','Nevada','Nevada','Nevada'],
    ...:         'year': [2000,2001,2002,2001,2002,2003],
    ...:         'pop': [1.5,1.7,3.6,2.4,2.9,3.2]}

In [67]: frame = pd.DataFrame(data)

In [68]: frame
Out[68]:
    state  year  pop
0    Ohio  2000  1.5
1    Ohio  2001  1.7
2    Ohio  2002  3.6
3  Nevada  2001  2.4
4  Nevada  2002  2.9
5  Nevada  2003  3.2

可以使用frame.head()方法预览数据的前几行，默认是前5行：

In [69]: frame.head()
Out[69]:
    state  year  pop
0    Ohio  2000  1.5
1    Ohio  2001  1.7
2    Ohio  2002  3.6
3  Nevada  2001  2.4
4  Nevada  2002  2.9

可以用以下方式，指定列顺序：

In [70]: pd.DataFrame(data, columns=['year','state','pop'])
Out[70]:
   year   state  pop
0  2000    Ohio  1.5
1  2001    Ohio  1.7
2  2002    Ohio  3.6
3  2001  Nevada  2.4
4  2002  Nevada  2.9
5  2003  Nevada  3.2

如果传的列不在字典中，将会在结果中显示缺失值。

In [72]: frame2 = pd.DataFrame(data, columns=['year','state','pop','dept'],
    ...:                 index=['one','two','three','four','five','six'])

In [73]: frame2
Out[73]:
       year   state  pop dept
one    2000    Ohio  1.5  NaN
two    2001    Ohio  1.7  NaN
three  2002    Ohio  3.6  NaN
four   2001  Nevada  2.4  NaN
five   2002  Nevada  2.9  NaN
six    2003  Nevada  3.2  NaN

In [75]: frame2.columns
Out[75]: Index(['year', 'state', 'pop', 'dept'], dtype='object')