pandas DataFrame详细讲解

Pandas DataFrame 是一个二维表格数据结构，类似于 Excel 表格或 SQL 数据库中的表格，可以存储和处理各种类型的数据。DataFrame 由行和列组成，每一列可以存储不同类型的数据（如数值、字符串、布尔值等），每一行都有一个唯一的索引值。

下面是 Pandas DataFrame 的一些常用操作：

1. 创建 DataFrame

可以通过读取文件、从数据库中查询、从 Python 数据结构中创建等方式来创建 DataFrame。例如，从 Python 字典中创建 DataFrame：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 30, 35, 40],
        'gender': ['F', 'M', 'M', 'M']}
df = pd.DataFrame(data)

2. 查看 DataFrame

可以使用 head()、tail()、info() 和 describe() 等方法来查看 DataFrame 的内容和结构。例如，使用 head() 方法查看前几行数据：

df.head()

输出结果如下：

       name  age gender
0     Alice   25      F
1       Bob   30      M
2   Charlie   35      M
3     David   40      M

3. 访问 DataFrame

可以使用 loc[] 和 iloc[] 属性来访问 DataFrame 中的数据。loc[] 属性可以通过行标签和列标签来访问数据，iloc[] 属性可以通过行索引和列索引来访问数据。例如，使用 loc[] 属性访问某一行数据：

df.loc[1]

输出结果如下：

name      Bob
age        30
gender      M
Name: 1, dtype: object

4. 修改 DataFrame

可以使用 loc[] 和 iloc[] 属性来修改 DataFrame 中的数据。例如，使用 loc[] 属性修改某一行数据：

df.loc[1, 'age'] = 31

5. 添加和删除行和列

可以使用 append() 方法添加新行，使用 drop() 方法删除行或列。例如，添加新行：

new_row = {'name': 'Emily', 'age': 25, 'gender': 'F'}
df = df.append(new_row, ignore_index=True)

删除某一列：

df.drop('gender', axis=1, inplace=True)

6. 数据的统计和分组

可以使用 groupby() 方法对 DataFrame 进行分组，使用 sum()、mean()、count() 等方法对数据进行统计。例如，对 age 列进行分组并计算平均值：

df.groupby('age').mean()

输出结果如下：

       name
age        
25    Alice
30      Bob
31      Bob
35  Charlie
40    David

以上是 Pandas DataFrame 的一些常用操作，还有很多其他的操作和方法可以使用，可以根据具体需求进行学习和使用。