DataFrame的属性，与Series非常相似。
DataFrame的3种常用属性如下：
-
dtypes
-
values
-
index
即：
DataFrame的3种常用属性：
|-------------------------------------------------------------------------------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| dtypes 我们知道，DataFrame对象有多列数据，数据类型也是：字符串型、整型、浮点型、布尔型。 我们访问DataFrame对象的dtypes属性，会返回DataFrame对象每一列的数据类型。 | 
在 Pandas 中，dtype（数据类型）用于描述 Series 或 DataFrame 中数据的类型。Object 在 dtype 中表示该列或 Series 中的数据类型是通用的 Python 对象。这通常意味着该列可以包含各种不同的数据类型（例如字符串、数字、列表、甚至其他自定义对象）。 |
| 示例： 我们通过访问DataFrame对象的dtypes属性，返回了变量df的****每一列数据的数据类型 ，将其输出。 根据输出可以看到，变量df的'rank'和'GDP'两列的数据类型都为整型。 | import pandas as pd # 定义一个字典和一个列表 data = {'rank':1, 2, 3, 4,'GDP':80855, 77388, 68024, 47251} city = 'GD','JS','SD','ZJ' # 使用DataFrame构造函数，传入参数：字典data作为values和columns，列表city作为index # 构造出的DataFrame赋值给df df = pd.DataFrame(data, index=city) # 用print输出变量df的每一列数据的数据类型 print( df.dtypes ) 
|
DataFrame一般有多列数据，所以返回DataFrame对象的数据类型的后缀：.dtypes
|----------------------------------------------------------------------------------------------------------------------------|------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| values 我们访问DataFrame对象的values属性，会以数组的形式返回DataFrame对象的值values。 | 
|
| 示例中： 我们通过访问DataFrame对象的values属性，返回了变量df的值values，并将其输出。 根据输出可以看到，以数组的形式返回了变量df的值values。 注意： DataFrame是二维的数据结构，所以返回二维数组。 | import pandas as pd # 定义一个字典和一个列表 data = {'rank':1, 2, 3, 4,'GDP':80855, 77388, 68024, 47251} city = 'GD','JS','SD','ZJ' # 使用DataFrame构造函数，传入参数：字典data作为values和columns，列表city作为index # 构造出的DataFrame赋值给df df = pd.DataFrame(data, index=city) # 用print输出变量df的每一列数据的值 print(df.values) 
|
返回DataFrame对象的值values的后缀：.values
|------------------------------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| index 同理，我们访问DataFrame的index属性，可以获取它的行索引index。 | 
|
| 示例： 我们通过访问DataFrame对象的index属性，返回了变量df的行索引index，将其输出。 根据输出可以看到，返回了变量df的索引index，即变量city所存储的列表的值。 | import pandas as pd data = {'rank':1, 2, 3, 4,'GDP':80855, 77388, 68024, 47251} city = 'GD','JS','SD','ZJ' df = pd.DataFrame(data, index=city) #用print输出变量df的行索引 print(df.index) 结果： Index('GD', 'JS', 'SD', 'ZJ', dtype='object') |
| 返回DataFrame对象的行索引index的后缀：.index | |
| | |
| 修改index 在使用index属性获取到一个对象的index后，我们可以通过对其值，来改变它的index。 示例中，df的index传入了列表city，将df输出进行查看； 然后，将df的index改为列表city_CN的值，并将此时的df输出进行查看： ||
| import pandas as pd # 定义一个字典和一个列表 data= {'rank':1, 2, 3, 4,'GDP':80855, 77388, 68024, 47251} city= 'GD','JS','SD','ZJ' # 使用DataFrame构造函数，传入参数：字典data作为values和columns，列表city作为index # 构造出的DataFrame赋值给df df= pd.DataFrame(data, index=city) # 定义一个新的列表city_CN city_CN = '广东','江苏','山东','浙江' # TODO 将新列表city_CN赋值给df的index df.index = city_CN # 用print输出此时的df print(df) ||
| 
||
因为DataFrame是一个二维的数据结构。因此，它有一个新的属性：轴（axis）。
DataFrame 的轴
|--------------------------------------------------------------------------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------|
| 轴(axis)，是用来为超过一维的数组定义属性。 二维数组有两个轴，三维数组有三个轴，以此类推。 | 
对于DataFrame而言： 第0轴垂直向下，即axis=0是垂直方向进行操作； 第1轴水平向右，即axis=1是水平方向进行操作。 |
| 举一个例子： 如果要按行或者按列来对DataFrame内的数据进行求和，可以使用sum()函数。 那么在sum()函数中，就可以使用axis参数来指定求和的方向。 右侧展示了： 当axis=0时，是在垂直的方向上进行求和操作； 当axis=1时，是在水平的方向上进行求和操作。 | 
|
| DataFrame进行df.mean(axis=0)操作的运行结果 | 
axis=0是垂直方向进行处理，处理后是浮点数的数据类型，dtype是float64。 |