每日10行代码167：认识pandas中的DataFrame 数据结构4

接上一章：
也可以用包含字典的嵌套字典来创建DataFrame

In [5]: pop = {'Nevada': {2001:2.4, 2002: 2.9},'Ohio': {2000:1.5, 2001:1.7, 2002:33.6}}

In [6]: frame3 = pd.DataFrame(pop)

In [7]: frame3
Out[7]:
      Nevada  Ohio
2001     2.4   1.7
2002     2.9  33.6
2000     NaN   1.5

外面字典的键会作为列，里面字典的键会作为索引。
可以用“T”方法对DataFrame进行转置 *** 作（调换行和列）：

In [8]: frame3.T
Out[8]:
        2001  2002  2000
Nevada   2.4   2.9   NaN
Ohio     1.7  33.6   1.5

如果定义 DataFrame 时已经指定了索引，那么就会按指定的索引生成 DataFrame。

In [9]: pd.DataFrame(pop, index=[2001,2002,2003])
Out[9]:
      Nevada  Ohio
2001     2.4   1.7
2002     2.9  33.6
2003     NaN   NaN

这样也变相的实现的过滤数据和添加行的目的。
也可以用包含Series 的字典来构造 DataFrame ：

In [11]: frame3['Ohio'][:-1]
Out[11]:
2001     1.7
2002    33.6
Name: Ohio, dtype: float64

In [12]: frame3['Nevada'][:2]
Out[12]:
2001    2.4
2002    2.9
Name: Nevada, dtype: float64

In [13]: pdata = {'Ohio': frame3['Ohio'][:-1],
    ...:         'Nevada': frmae3['Nevada'][:2]}

In [14]: pdata = {'Ohio': frame3['Ohio'][:-1],
    ...:         'Nevada': frame3['Nevada'][:2]}

In [15]: pd.DataFrame(pdata)
Out[15]:
      Ohio  Nevada
2001   1.7     2.4
2002  33.6     2.9