The CURD(增刪查改) operation of DataFrame in python[Create]
注：安裝pandas自行完成：pip install pandas！
一、Create（增加、建立DataFrame）
在pandas裡，DataFrame是最經常用的資料結構，這裡總結一下：
①、把其他格式的資料整理到DataFrame中；
②在已有的DataFrame中插入N列或者N行。
1. 字典型別讀取到DataFrame（dict to DataFrame）
假如我們在做實驗的時候得到的資料是dict型別，為了方便之後的資料統計和計算，我們想把它轉換為DataFrame，存在很多寫法，這裡簡單介紹常用的幾種：
方法一：直接使用 pd.DataFrame(data=test_dict) 即可,括號中的 data= 寫不寫都可以，具體如下：
test_dict = {'id':[1,2,3,4,5,6],'name':['Alice','Bob','Cindy','Eric','Helen','Grace '],'math':[90,89,99,78,97,93],'english':[89,94,80,94,94,90]}
#[1].直接寫入引數test_dict
test_dict_df = pd.DataFrame(test_dict)
#[2].字典型賦值
test_dict_df = pd.DataFrame(data=test_dict)
那麼，我們就得到了一個DataFrame，如下：
應該就是這個樣子了。
方法二：使用 from_dict 方法：
test_dict_df = pd.DataFrame.from_dict(test_dict)
結果是一樣的，不再重複貼圖。
其他方法：如果你的dict變數很小，例如 {'id':1,'name':'Alice'} ,你想直接寫到括號裡：
test_dict_df = pd.DataFrame({'id':1,'name':'Alice'}) # wrong style
這樣是不行的，會報錯 ValueError: If using all scalar values, you must pass an index ,是因為如果你提供的是一個標量，必須還得提供一個索引Index，所以你可以這麼寫：
test_dict_df = pd.DataFrame({'id':1,'name':'Alice'},pd.Index(range(1)))
後面的可以寫多個 pd.Index(range(3) ，就會生成三行一樣的，是因為前面的dict型變數只有一組值，如果有多個，後面的Index必須跟前面的資料組數一致，否則會報錯：
pd.DataFrame({'id':[1,2],'name':['Alice','Bob']},pd.Index(range(2)))#must be 2 in range function.
關於選擇列，有些時候我們只需要選擇dict中部分的鍵當做DataFrame的列，那麼我們可以使用columns引數，例如我們只選擇'id'，'name'列：
test_dict_df = pd.DataFrame(data=test_dict,columns=['id','name']) #only choose 'id' and 'name' columns
這裡就不在多寫了，後續變更顏色新增內容。
2. csv檔案構建DataFrame（csv to DataFrame）
我們實驗的時候資料一般比較大，而csv檔案是文字格式的資料，佔用更少的儲存，所以一般資料來源是csv檔案，從csv檔案中如何構建DataFrame呢？ txt檔案一般也能用這種方法。
方法一：最常用的應該就是 pd.read_csv('filename.csv') 了，用 sep 指定資料的分割方式，預設的是 ','
df = pd.read_csv('./xxx.csv')
如果csv中沒有表頭，就要加入 head 引數
3. 在已有的DataFrame中，增加N列或者N行
加入我們已經有了一個DataFrame，如下圖:
3.1 新增列
此時我們又有一門新的課physics，我們需要為每個人新增這門課的分數，按照Index的順序，我們可以使用insert方法，如下：
new_columns = [92,94,89,77,87,91] test_dict_df.insert(2,'pyhsics',new_columns) #test_dict_df.insert(2,'pyhsics',new_columns,allow_duplicates=True)
此時，就得到了新增好的DataFrame，需要注意的是DataFrame預設不允許新增重複的列，但是在insert函式中有引數 allow_duplicates=True ，設定為True後，就可以新增重複的列了，列名也是重複的：
3.2 新增行
此時我們又來了一位新的同學Iric，需要在DataFrame中新增這個同學的資訊，我們可以使用 loc 方法：
new_line = [7,'Iric',99] test_dict_df.loc[6]= new_line
但是十分注意的是，這樣實際是 改 的操作，如果loc[index]中的index已經存在，則新的值會覆蓋之前的值。
當然也可以把這些新的資料構建為一個新的DataFrame，然後兩個DataFrame拼起來。可以用append方法，不過不太會用，提供一種方法：
test_dict_df.append(pd.DataFrame([new_line],columns=['id','name','physics']))
本想一口氣把CURD全寫完，沒想到寫到這裡就好累。。。其他後續新開篇章在寫吧。（在DataFrame中刪除N列或者N行）（在DataFrame中查詢某N列或者某N行）（在DataFrame中修改資料）