A

B

C

D

2013-01-01

0.469112 -0.282863 -1.509059 -1.135632

2013-01-02

1.212112 -0.173215 0.119209 -1.044236

2013-01-03 -0.861849 -2.104569 -0.494929

1.071804

2013-01-04

0.721555 -0.706771 -1.039575

0.271860

2013-01-05 -0.424972

0.567020 0.276232 -1.087401

2013-01-06 -0.673690

0.113648 -1.478427

0.524988

创建

DataFrame，输入可为字典（dict）：

In [10]: df2 = pd.DataFrame({ 'A' : 1.,

....:

'B' : pd.Timestamp('20130102'),

....:

'C' : pd.Series(1,index=list(range

(4)),dtype='float32'),

....:

'D' : np.array([3] * 4,dtype='int32

'),

....:

'E' : pd.Categorical(["test","train

","test","train"]),

....:

'F' : 'foo' })

....:

In [11]: df2

Out[11]:

A

B

C

D

E

F

0

1.0 2013-01-02

1.0

3

test foo

1

1.0 2013-01-02

1.0

3

train foo

2

1.0 2013-01-02

1.0

3

test foo

3

1.0 2013-01-02

1.0

3

train foo

各列的类型：

In [12]: df2.dtypes

Out[12]:

A

float64

B

datetime64[ns]

C

float32

D

int32

E

category

F

object

dtype: object