• 数据框的常用属性 

1. values将数据框返回数组形式
2. index  数据框的行索引
3. columns  数据的列名
4. types  数据类型
5. size  元素个数
6. ndim  维度数
7. shape  行、列的个数

对单列数据的访问：DataFramef的单列数据为一个Series.根据DataFrame是一个带有标签的二维数组，每个标签相当每一列的列名。有以下两种方式实现对单列数据的访问。

1. 以字典访问某一个key的值的方式使用对应的列名，实现单列数据的访问。
2. 以属性的方式访问，实现单列数据的访问。（不建议使用，易引起混淆）

d=[[1.3,2.0,3,4],[2,4,1,4],[2,5,1.9,7],[3,1,0,11]]
print(d)
df = pd.DataFrame(d,index=['a','b','c','d'],columns=['A','B','C','D'])
print(df['列名称']) #单列数据访问
print(df[['列名称','列名称']]) #多列数据访问
print(df.head(n))  #访问数据前n行
print(df.tail(n))  #访问数据后n行
print(df.iloc[0,0])  #按照行列数据进行数据访问
print(df.iloc[0:3,0])

Series是一个特殊的DataFrame

存储文件

data_excel.to_excel('文件路径'，index=None)

#读取Excel文件

data_excel = pd.read_excel('文件路径',sheet_name='工作表名称')

data.excel

• 掌握DataFrame的常用操作

1. Series系列

ser1 = pd.Series([1,2,'a'],index=['a','b','c'])
print(ser1)
ser2 = pd.Series({'a':[1,2,3],'b':['1','2','3']})
print(ser2)
d=[[1.3,2.0,3,4],[2,4,1,4],[2,5,1.9,7],[3,1,0,11]]
print(d)
df = pd.DataFrame(d,index=['a','b','c','d'],columns=['A','B','C','D'])
print(df)



d={'color':['blue','green','yellow','red','while'],
    'object':['ball','pen','pencil','paper','mug'],
    'print':[1.2,1.0,0.6,0.9,1.7]}
frame = pd.DataFrame(d, index=['a','b','c','d','e'])
peint(frame)

•  将数据框存储为Excel文件

data_excel.to_excel('存储路径'，index='None',sheet_name='对应工作表')

• 读取Excel文件d

data_excel = pd.read_excel('读取路径', sheet_name='对应工作表')

• 将数据框存储为文本文档数据

1. data_csv.to_csv
2.  

data_csv.to_csv('存储路径'，index='None')

• 数据读取

1. pandas.read_csv ： 读取文件
2. sep ：指定文本分隔符的参数，如果分隔符指定错误，在读取数据的时候，每一行数据将连成一片。
3. header参数是用来指定列名的，如果是None则会添加一个默认的列名。
4. encoding代表文件的编码格式，常用发的编码有utf-8、utf-16、gbk、gb2312、gb18030等。如果编码指定错误数据将无法读取，IPython解释器会报解析错误。

import pandas as pd

data_txt = pd.read_csv('文档路径'，sep=' '，encoding=' ')

data_txt