pandas基础操作

pandas是一个Python库，用于数据分析和数据处理的工具。它提供了高效的数据结构和数据操作功能，特别适用于处理结构化数据。

以下是一些常见的pandas基础操作：

1. 导入pandas库：使用`import pandas as pd`导入pandas库。

2. 创建DataFrame：DataFrame是pandas中最重要的数据结构，类似于一张表格。可以通过多种方式创建DataFrame，例如从CSV文件、Excel文件、Python字典、NumPy数组等。

3. 查看数据：使用`df.head()`方法可以查看DataFrame的前几行，默认显示前5行。还可以使用`df.tail()`方法查看DataFrame的后几行。

4. 数据选择：可以使用列名称或列索引选择特定的列或多列数据。例如，使用`df['列名']`或`df.loc[:, '列名']`选择单列数据，使用`df[['列名1', '列名2']]`或`df.loc[:, ['列名1', '列名2']]`选择多列数据。

5. 数据过滤：可以使用条件语句过滤DataFrame中的数据。例如，使用`df[df['列名'] > 值]`可以选择满足条件的行。

6. 数据排序：可以使用`df.sort_values(by='列名')`对DataFrame按照指定的列进行排序。

7. 数据聚合：可以使用`df.groupby('列名').函数()`对数据进行分组并进行各种聚合操作，如求和、平均值、计数等。

8. 缺失值处理：可以使用`df.dropna()`删除包含缺失值的行或列，使用`df.fillna(value)`将缺失值填充为指定的值。

9. 数据统计：可以使用`df.describe()`获取DataFrame中数值列的统计信息，如均值、标准差、最小值、最大值等。

这些只是pandas基础操作的一部分，还有很多其他功能和方法可以用于数据处理和分析。你可以查阅pandas官方文档或参考相关教程来深入学习和掌握pandas。