pd.dataframe 用法

`pandas` 是一个流行的Python数据分析库，其中的`DataFrame`是一种二维数据结构，类似于Excel中的表格，可以方便地进行数据处理和分析。

下面是一些`DataFrame`的用法示例：

1. 创建一个空的DataFrame:

import pandas as pd
df = pd.DataFrame()

2. 从数据源创建一个DataFrame:

import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'city': ['Beijing', 'Shanghai', 'Guangzhou']}
df = pd.DataFrame(data)
print(df)

输出：

       name  age       city
0     Alice   25    Beijing
1       Bob   30   Shanghai
2  Charlie   35  Guangzhou

3. 访问DataFrame的元素:

import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'city': ['Beijing', 'Shanghai', 'Guangzhou']}
df = pd.DataFrame(data)
# 获取第一行数据
print(df.loc[0])
# 获取第一列数据
print(df['name'])
# 获取前两行数据
print(df.head(2))
# 获取后两行数据
print(df.tail(2))

4. 修改DataFrame的元素:

import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'city': ['Beijing', 'Shanghai', 'Guangzhou']}
df = pd.DataFrame(data)
# 修改第一行的数据
df.loc[0, 'age'] = 26
print(df)

输出：

       name  age       city
0     Alice   26    Beijing
1       Bob   30   Shanghai
2  Charlie   35  Guangzhou

5. 删除DataFrame的行或列:

import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'city': ['Beijing', 'Shanghai', 'Guangzhou']}
df = pd.DataFrame(data)
# 删除第一行数据
df = df.drop(0)
print(df)
# 删除city列
df = df.drop('city', axis=1)
print(df)

输出：

      name  age       city
1      Bob   30   Shanghai
2  Charlie   35  Guangzhou

      name  age
1      Bob   30
2  Charlie   35

6. 筛选DataFrame的元素:

import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'city': ['Beijing', 'Shanghai', 'Guangzhou']}
df = pd.DataFrame(data)
# 筛选出年龄大于30的行
df = df[df['age'] > 30]
print(df)

输出：

       name  age       city
2  Charlie   35  Guangzhou

7. 对DataFrame进行聚合:

import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie', 'Bob'], 'age': [25, 30, 35, 30], 'city': ['Beijing', 'Shanghai', 'Guangzhou', 'Shanghai']}
df = pd.DataFrame(data)
# 统计每个城市的人数
df_count = df.groupby('city').size().reset_index(name='count')
print(df_count)

输出：

        city  count
0    Beijing      1
1  Guangzhou      1
2   Shanghai      2