在了解了ㄧ維度的Series後，今天要跟大家分享的是Pandas裡面多維度的資料結構—DataFrame。如同我們之前所說，這是處理Panel Data的最佳利器，尤其是在選股的應用上，更是不可或缺的好幫手!
現在，就讓我們一起進入DataFrame的世界吧!
(一) 建立DataFrame
DataFrame跟Series一樣，在已經有資料的情況下，我們可以直接經由pd.DataFrame(data)的方式，將資料轉換為DataFrame的資料結構。
而在沒有資料的情況下，我們也可以直接透過字典的建構，來輸入資料，最後再透過一樣的方式將資料結構轉換為DataFrame，範例如下:
這邊我們可以清楚的看到，在資料有缺值的部分，DataFrame也會很聰明的直接補上”NaN”。
(二) 截取資料
在DataFram中，要截取所需資料也是相當方便的，只要指定相對應的行名稱與列名稱即可。可以指定一個直，也可以選定一個區塊，更可以跳著選，完全沒有限制!
(三) 選取資料
在DataFrame中，要選取滿足某個條件的資料，也是相當容易的事情。只要直接把篩選條件寫在DataFrame裡面就可以了!範例如下:
(四) 資料描述
另外，DataFrame中還有一個相當好用的功能，用df.describe()就可以簡單看到每筆資料(股票)的簡單統計特徵。
而如果我們只想看某筆資料(股票)的某個特徵，也可以在describe()後直接指定。
(五) 運算模式
在DataFrame中的運算模式非常方便，我們透過上述的選取資料模式對DataFrame裡面的資料作相互運算，也可以對這整個DataFrame或所選取的範圍做同一運算處理。範例如下:
值得注意的是，還記得我們在最一開始python基礎教學所提到的事情嗎?這些運算都不會改變原本的df，可以利用指定變數的方式把它存成其他變數(效果如copy)，或是指定成df直接覆蓋唷!
(五) 簡單繪圖
在DataFrame中，我們也可以用plot()輕鬆執行繪圖動作唷!
到了這邊，相信大家已經對DataFrame有了基礎的認識。下次，我們將分享更多DataFrame的實用功能唷!