DataFrame是一個二維標記數據結構，具有可能不同類型的列。您可以將其視爲電子表格或SQL表，或Series對象的字典。它通常是最常用的pandas對象。與Series一樣，DataFrame接受許多不同類型的輸入：
1.1D ndarray，list，dicts或Series的Dict
2.二維numpy.ndarray
3.結構化或記錄 ndarray
4.Series
5.DataFrame
沒我們想象的那麼複雜，對於DataFrame的操作無非也就是增刪改查。我們也經常將DataFrame稱之爲數據幀。
DataFrame的使用方法如下：
DataFrame(columnsMap)
pandas.DataFrame( data, index, columns, dtype, copy)
data:上面介紹的各種數據類型
index：行標籤，可選缺省值np.arrange(n)
columns：列標籤，可選缺省值 np.arange(n)
dtype：列的數據類型
copy：默認值爲False，則此命令(或任何它)用於複製數據。
創建一個空的DataFrame：
從list或者1D ndarray構建
通過index和columns屬性分別訪問行標籤和列標籤
指定行列索引
訪問列：變量名[列名]
訪問行：變量名[n:m] 訪問從n開始到m-1行的數據
同樣也可以通過索引名來訪問：
訪問行和列(塊)：
變量名.iloc[n1:n2,m1:m2] 訪問n1到(n2-1)行，m1到(m2-1)列
訪問指定位置：變量名.at[行名，列名]
如果key不存在的話，會報如上錯誤。
訪問指定位置：變量名.loc[行索引名，列索引名]
使用字典dict
如果使用單純的字典數據，那麼一定要記得
指定index，否則會報錯。
使用來自Series 的 dict
得到的索引將是各個Series的索引的並集。如果有任何嵌套的dict，則首先將這些dicts轉換爲Series。如果沒有傳遞列，則列將是dict鍵的有序列表。
如果Series的長度不同，並且具有不同的索引，那麼會是什麼情況呢？
如果兩者部分索引相同呢？
大家可以看到得到的索引將是各個Series的索引的並集，結合上面的例子，想必大家都理解了。
當我們在DataFrame的構造函數中指定列的時候，那麼該值會覆蓋dict的鍵值作爲列的索引名。否則會默認將dict的鍵值作爲列的索引名。
這裏我們重新將列進行命名，在構造DataFrame的時候，在數據d中找不到以’姓名’和’年齡’爲鍵值的數據，所以最後的結果爲空。
做個比較：
那麼如果我們的行索引也是完全不同的呢？
最終的結果好像和我想的不一樣。。。再試一下，追加個Series中的索引名。
額，看樣子得這麼說了：DataFrame構造函數中指定的行列索引優先於dict。
使用dict列表
這個就不多做解釋了，上面的都能看懂，這個自然不在話下了。
使用元組和元組字典
Python 的元組與列表類似，不同之處在於元組的元素不能修改。
元組使用小括號，列表使用方括號。
元組創建很簡單，只需要在括號中添加元素，並使用逗號隔開即可。
替代構造函數:DataFrame.from_dict
DataFrame.from_dict採用dicts的dict或類似數組序列的dict並返回DataFrame。DataFrame除了默認情況下的orient參數外，它的操作類似於構造函數’columns’，但可以將其設置’index’爲使用dict鍵作爲行標籤。
DataFrame.from_records
DataFrame.from_records獲取元組列表或帶有結構化dtype的ndarray。它類似於普通DataFrame構造函數，但生成的DataFrame索引可能是結構化dtype的特定字段。
這個有點可能有點複雜，關於dtype的的一些東西可以參考下面的鏈接
https://docs.scipy.org/doc/numpy/reference/arrays.dtypes.html
獲取，設置和刪除列的工作方式與類似的dict操作相同，這裏就不在做更多的演示。
插入標量值
插入標量值得時候，它會沿着列進行填充
assign（）
DataFrame有一種assign() 方法可以讓您輕鬆創建可能從現有列派生的新列，它始終返回數據的副本，保持原始DataFrame不變。
轉置 DataFrane.T
DataFrame列屬性訪問
如果DataFrame列標籤是有效的Python變量名稱，則可以像屬性一樣訪問該列：
注意:僅限於列，用在行會出錯的。
to_string() 將以表格形式返回DataFrame的字符串表示形式
使用info()獲取摘要
