将DataFrame创建、列操作（增删改查）、行操作（增删改查）、基本属性及方法等内容，整理为思维导图的代码

创建 DataFrame 思维导图：

graph LR;
A[创建 DataFrame] --> B{"pandas.read_csv() | pd.DataFrame(data, index=None) | 包含数据源或字典"}
B --> C{构造函数}
C --> D["指定列名 | 列数据类型"]
D --> E[添加列 "df['新列'] = value 或 df.loc[:, '新列'] = Series"]
E --> F[删除列 "del df['列名'] 或 df.drop('列名', axis=1)"]
F --> G[修改列值 "df['列名'] = 新值"]
G --> H[查询数据 "df[df['条件']] 或 df.loc[索引, '列名']"]
H --> I[切片操作 "df[start:end] 或 df.iloc[indexes]"]
I --> J[合并 DataFrame "pd.concat() | pd.merge()"]
J --> K[排序 "df.sort_values()"]
K --> L[统计信息 "df.describe()"]
L --> M[基本属性 "df.shape, df.columns, df.index"]
M --> N[方法 "df.head(), df.tail(), df.info(), df.equals()等"]

相关问题

将DataFrame创建、列操作（增删改查）、行操作（增删改查）、基本属性及方法等内容，整理为思维导图的Python代码

在Python中，我们可以使用pandas库来创建DataFrame并对数据进行各种操作。以下是一个简单的思维导图结构的Python代码示例，涵盖了DataFrame的基本操作：

import pandas as pd

# 创建DataFrame
def create_dataframe():
    data = {
        'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']
    }
    df = pd.DataFrame(data)
    return df

# 列操作
def column_operations(df):
    # 添加新列
    df['Hobby'] = ['Reading', 'Traveling', 'Cooking']
    
    # 删除列
    df.pop('City')
    
    # 修改列名
    df.rename(columns={'Name': 'Full Name'}, inplace=True)
    
    # 查询特定列
    city_column = df['City']
    
    return df, city_column

# 行操作
def row_operations(df):
    # 添加一行
    new_row = {'Full Name': 'David', 'Age': 40, 'Hobby': 'Swimming'}
    df = df.append(new_row, ignore_index=True)

    # 删除指定行
    df.drop(df[df['Full Name'] == 'Charlie'].index, inplace=True)

    return df

# 基本属性和方法
def dataframe_info(df):
    # 属性：形状、列数、索引
    print("Shape:", df.shape)
    print("Columns:", df.columns.tolist())
    print("Index:", df.index)

    # 方法：head, tail, describe等
    print("First few rows:")
    print(df.head())

    return df.describe()

# 整体流程
df = create_dataframe()
column_df, city_column = column_operations(df)
updated_df = row_operations(column_df)
info_df = dataframe_info(updated_df)

#