文章目录
1. DataFrame数据结构
DataFrame的数据结构与一张数据表是非常相似的，上图对于DataFrame的解释已经一目了然了。唯一需要特别解释一下的是Index。在DF中，如不特别指定，DF总是默认为每一行数据生成Index，这个Index就是从0开始的自增索引，和数组中的Index是一样的。与此同时，用户还可以使用某一列（甚至多列）来作为Index，取代默认的索引值。细节可参考下一节。
2. 如何构建DataFrame
对于DataFrame的构建，下图给了非常形象地总结：
以下是参考代码：
import pandas as pd
from collections import OrderedDict
from datetime import date
2.1. 按行构建
2.1.1. 使用Dictionary按行构建
sales = [{'account': 'Jones LLC', 'Jan': 150, 'Feb': 200, 'Mar': 140},
{'account': 'Alpha Co', 'Jan': 200, 'Feb': 210, 'Mar': 215},
{'account': 'Blue Inc', 'Jan': 50, 'Feb': 90, 'Mar': 95 }]
df = pd.DataFrame(sales)
使用Dictionary按行构建，就是典型的KV模式，一个Dict一行，K是列名，V是对应值。这一方式易读，最符合人们的常规习惯，但是列名重复出现多次，比较繁琐。
2.1.2. 使用List按行构建
sales = [('Jones LLC', 150, 200, 50),
('Alpha Co', 200, 210, 90),
('Blue Inc', 140, 215, 95)]
labels = ['account', 'Jan', 'Feb', 'Mar']
df = pd.DataFrame.from_records(sales, columns=labels)
使用List按行构建时，是一行一行的纯数据填写，列名单独指定，这样构建效率要高很多！
2.2. 按列构建
2.2.1. 使用Dictionary按列构建
sales = {'account': ['Jones LLC', 'Alpha Co', 'Blue Inc'],
'Jan': [150, 200, 50],
'Feb': [200, 210, 90],
'Mar': [140, 215, 95]}
df = pd.DataFrame.from_dict(sales)
使用Dictionary按列构建时，Dict的K是列名，V是这一列的所有值。 这一方式也很高效，没有冗余数据输入。
2.2.2. 使用List按列构建
sales = [('account', ['Jones LLC', 'Alpha Co', 'Blue Inc']),
('Jan', [150, 200, 50]),
('Feb', [200, 210, 90]),
('Mar', [140, 215, 95]),
]
df = pd.DataFrame.from_items(sales)
使用List按列构建时，与使用Dictionary按列构建类似，但是比较扭曲，这时的List只有两个元素，第一个是K，第二个是V！
本章节参考自：https://pbpython.com/pandas-list-dict.html
3. 使用set_index重置索引
如上所述，DF总会生成一个默认的类似数组索引的默认索引，但是用户可以灵活的使用数据本身的一些列作为索引。比如当数据是从数据表中导出的时候，完全可以使用原始表中的ID列作为DF的Index。
重置索引使用set_index方法。如下示意图形象地演示了它的处理逻辑：
import numpy as np
import pandas as pd
df = pd.DataFrame({'month': [2, 5, 8, 10],
'year': [2017, 2019, 2018, 2019],
'sale': [60, 45, 90, 36]})
df.set_index('month')
本章节参考自： https://www.w3resource.com/pandas/dataframe/dataframe-set_index.php