4.1　表格属性获取与修改

想要用好DataFrame表格，首先需要了解它的一些属性，例如表格的行列数、表格的行列索引、列的数据类型和表格的元素个数等。这些属性不但可以提取使用，有的属性还可以再次修改。

4.1.1　表格属性的获取

为了让读者对DataFrame表格相关属性获取有更直观的对比学习，首先将Excel文件导入Pandas中生成DataFrame表格，示例代码如下：

Excel文件如图4-1所示，运行结果如图4-2所示。

1．表格行数、列数和元素个数获取

获取DataFrame表格的行数和列数使用df.shape属性，获取元素个数使用df.size属性，示例代码如下：

运行结果如下：

df.shape属性获取df表的行数和列数是存储在元组中的，所以只获取行数可用df.shape[0]表示，只获取列数用df.shape[1]表示。

2．表格行索引和列索引的获取

DataFrame表格的行索引获取用df.index属性，列索引获取用df.columns属性，如果需要同时获取，则用df.axes属性，示例代码如下：

运行结果如下：

df.axes属性获取df表的行索引和列索引是存储在列表中的，所以只获取行索引可用df.axes[0]表示，只获取列索引可用df.axes[1]表示。

3．表格列数据类型的获取

DataFrame表格的每列都具有一种数据类型，使用df.dtypes属性可以获取各列的数据类型，示例代码如下：

运行结果如下：

4．表格数据的获取

1）以数组方式获取表格数据

使用DataFrame表格的df.values属性可以以数组的方式获取数据，示例代码如下：

运行结果如下：

2）以生成器方式获取表格数据

DataFrame表格数据可以按行或列获取，按行获取数据使用df.iterrows（）函数，按列获取数据使用df.iteritems（）函数，但这两个函数获取数据后会产生一个生成器，示例代码如下：

运行结果如下：

返回的结果是生成器对象（generator object），生成器按需输出，也就是说在需要数据时才临时生成。就像工厂按订单生产产品，而不是先把所有原材料生产成产品，再按订单发货。如果DataFrame表格的数据特别大，直接以数组、列表等方式获取到内存中，则内存开销就比较大，我们知道内存空间是非常宝贵的。

3）循环输出表格数据

使用df.iteritems（）函数可按列获取数据，返回的是生成器对象，接下来用循环语句将获取的数据打印出来，示例代码如下：

运行结果如下：

使用df.iterrows（）函数按行获取数据，返回的是生成器对象，接下来用循环语句将获取的数据打印出来，示例代码如下：

运行结果如下：

注意： 除了通过循环方式获取df.iteritems（）和df.iterrows（）中的数据外，还可以用列表函数list（）将df.iteritems（）和df.iterrows（）中的数据转换为列表，如list（df.iteritems（））和list（df.iterrows（）），但如果数据太大不建议这么做。

4.1.2　表格属性修改

本节讲解DataFrame表格的行索引、列索引和数据类型这3种属性的修改，这些属性可以在创建DataFrame表格时修改，也可以对已经存在的DataFrame表格进行修改。

1．创建表格时修改行索引和列索引

1）新建表格时修改属性

在使用pd.DataFrame（）函数创建表格时，对index参数设置行索引，对columns参数设置列索引，对dtype参数设置数据类型，示例代码如下：

运行结果如图4-3所示。

pd.DataFrame（）函数中的dtype参数只能对整个表格设置，如果需要对指定列设置类型，则data参数只能是数组，并且在生成数组时设置，示例代码如下：

运行结果如图4-4所示。

2）导入外部数据时修改属性

如图4-5（a）所示为原表格，在业绩表的第1行设置了表头，这是不规则的。在使用pd.read_excel（）函数读取时，并不会自动将第2行设置为表格的列索引，示例代码如下：

运行结果如图4-5（b）所示。

通过观察返回的df表发现，pd.read_excel（）函数自动将工作表的第1行设置为表格的列索引，而行索引则默认为序列值。

如图4-6（a）所示为原表格，如果希望将工作表中的第2行作为表格的列索引，则需要将pd.read_excel（）函数header参数设置为1；如果要将第1列作为表格的行索引，则需要将index_col参数设置为0；如果要将表格的部门列设置为字符串类型，销售额列设置为小数类型，则需要将dtype参数设置为{'姓名'：'str'，'销售额'：'float'}。示例代码如下：

运行结果如图4-6（b）所示。

2．已经存在表格的修改

在Pandas中，除了可以在新建DataFrame表格时，或者导入数据生成DataFrame表格时对行索引和列索引、数据类型等这些属性进行修改，同样也可以在生成DataFrame表格后，再次修改这些属性。

1）重新设置行索引和列索引

对DataFrame的行索引修改使用df.index属性，对列索引修改使用df.columns属性，示例代码如下：

修改前后的对比如图4-7所示。

2）重新设置列数据类型

设置DataFrame表格的列数据类型使用astype（）函数，在此函数的参数中写入要转换的数据类型，并且可以对单列或者多列设置数据类型，示例代码如下：

修改前后的对比如图4-8所示。

细心的读者可能会发现上面的设置方法只能对单列设置数据类型，即使可以选择多列，也只能设置为同一种数据类型。如果要对不同列设置不同数据类型，则可以在astype（）函数的参数中用字典的方式，表示为{'列标题'：'数据类型'}，示例代码如下：

修改前后的对比如图4-9所示。