Pandas中的两个主要数据结构是：Series和DataFrame。Series是类似于一维数组的对象.DataFrame是矩形的数据表，它含有一组有序且有命名的列，每一列可以是不同的数据类型（数值、字符串、布尔值等）。

        DataFrame既有行索引也有列索引，可以看作由共用同一个索引的Series组成的字典。

（1）等长列表构成的字典创建DataFrame

• import pandas as pd
  data={"China":["北京","上海","南京","杭州"],
        "USA":["芝加哥","华盛顿","纽约","阿拉斯加"],
        "England":["伦敦","曼彻斯特","利物浦","利兹联"]
        }
  frame=pd.DataFrame(data)
  print(frame)

  DataFrame自动添加列左侧索引，这一点和Series是一样的。

•   China   USA England
  0    北京   芝加哥      伦敦
  1    上海   华盛顿    曼彻斯特
  2    南京    纽约     利物浦
  3    杭州  阿拉斯加     利兹联

       head（）函数用于显示头部行数，如head（2）用于显示前面两行，如下所示，如果不加参数，则默认显示5行。tail()函数用于显示后面的行数，用法和head（）函数一致。

• import pandas as pd
  data={"China":["北京","上海","南京","杭州"],
        "USA":["芝加哥","华盛顿","纽约","阿拉斯加"],
        "England":["伦敦","曼彻斯特","利物浦","利兹联"]
        }
  frame=pd.DataFrame(data)
  print(frame.head(2))

    China  USA England
  0    北京  芝加哥      伦敦
  1    上海  华盛顿    曼彻斯特

  ---

  （2）按指定列排序：frame=pd.DataFrame(data,columns=["China","England","USA"])

• import pandas as pd
  data={"China":["北京","上海","南京","杭州"],
        "USA":["芝加哥","华盛顿","纽约","阿拉斯加"],
        "England":["伦敦","曼彻斯特","利物浦","利兹联"]
        }
  frame=pd.DataFrame(data,columns=["China","England","USA"])
  print(frame)

    China England   USA
  0    北京      伦敦   芝加哥
  1    上海    曼彻斯特   华盛顿
  2    南京     利物浦    纽约
  3    杭州     利兹联  阿拉斯加

  frame=pd.DataFrame(data,columns=["China","England","USA"])，用于指定列的顺序，指定后顺序由China，USA，England变成了China,England,USA。

• 在Pandas中，有两种方式输出一列的值。

  import pandas as pd
  data={"China":["北京","上海","南京","杭州"],
        "USA":["芝加哥","华盛顿","纽约","阿拉斯加"],
        "England":["伦敦","曼彻斯特","利物浦","利兹联"]
        }
  frame=pd.DataFrame(data,columns=["China","England","USA"])
  print(frame["China"])

  0    北京
  1    上海
  2    南京
  3    杭州
  Name: China, dtype: object

  import pandas as pd
  data={"China":["北京","上海","南京","杭州"],
        "USA":["芝加哥","华盛顿","纽约","阿拉斯加"],
        "England":["伦敦","曼彻斯特","利物浦","利兹联"]
        }
  frame=pd.DataFrame(data,columns=["China","England","USA","France"])
  print(frame.China)

  0    北京
  1    上海
  2    南京
  3    杭州
  Name: China, dtype: object

  ---

  （3）指定列不存在，如指定包含“France”，其不存在，显示结果，整个一列都是NaN

• import pandas as pd
  data={"China":["北京","上海","南京","杭州"],
        "USA":["芝加哥","华盛顿","纽约","阿拉斯加"],
        "England":["伦敦","曼彻斯特","利物浦","利兹联"]
        }
  frame=pd.DataFrame(data,columns=["China","England","USA","France"])
  print(frame)
  

    China England   USA France
  0    北京      伦敦   芝加哥    NaN
  1    上海    曼彻斯特   华盛顿    NaN
  2    南京     利物浦    纽约    NaN
  3    杭州     利兹联  阿拉斯加    NaN

  （4）给不存在的列赋值

• import pandas as pd
  data={"China":["北京","上海","南京","杭州"],
        "USA":["芝加哥","华盛顿","纽约","阿拉斯加"],
        "England":["伦敦","曼彻斯特","利物浦","利兹联"]
        }
  frame=pd.DataFrame(data,columns=["China","England","USA","France"])
  frame.France=["巴黎","里昂","aa","bb"]
  print(frame)

    China England   USA France
  0    北京      伦敦   芝加哥     巴黎
  1    上海    曼彻斯特   华盛顿     里昂
  2    南京     利物浦    纽约     aa
  3    杭州     利兹联  阿拉斯加     bb

  （5）删除一列（del frame["France"]）

• import pandas as pd
  data={"China":["北京","上海","南京","杭州"],
        "USA":["芝加哥","华盛顿","纽约","阿拉斯加"],
        "England":["伦敦","曼彻斯特","利物浦","利兹联"]
        }
  frame=pd.DataFrame(data,columns=["China","England","USA","France"])
  frame.France=["巴黎","里昂","aa","bb"]
  print(frame)
  del frame["France"]
  print(frame)

    China England   USA France
  0    北京      伦敦   芝加哥     巴黎
  1    上海    曼彻斯特   华盛顿     里昂
  2    南京     利物浦    纽约     aa
  3    杭州     利兹联  阿拉斯加     bb
    China England   USA
  0    北京      伦敦   芝加哥
  1    上海    曼彻斯特   华盛顿
  2    南京     利物浦    纽约
  3    杭州     利兹联  阿拉斯加