pandas的用法

Pandas 是一个用于数据分析的 Python 库，它提供了一种称为 DataFrame 的数据结构，可以方便地处理和分析二维表格数据。

以下是 Pandas 常用的用法：

1. 导入 Pandas 库：

   import pandas as pd

2. 创建 DataFrame：

   df = pd.DataFrame({'姓名': ['张三', '李四', '王五'],
                      '年龄': [18, 20, 22],
                      '性别': ['男', '男', '女']})

3. 查看数据：

   # 查看前几行数据
   df.head()

   # 查看后几行数据
   df.tail()

   # 查看数据的行数和列数
   df.shape

   # 查看数据的基本信息
   df.info()

   # 查看数据的统计信息
   df.describe()

4. 筛选数据：

   # 选择指定列的数据
   df[['姓名', '年龄']]

   # 根据条件筛选数据
   df[df['年龄'] > 18]

   # 根据多个条件筛选数据
   df[(df['年龄'] > 18) & (df['性别'] == '男')]

   # 根据指定值筛选数据
   df[df['姓名'].isin(['张三', '王五'])]

5. 修改数据：

   # 修改指定列的值
   df['年龄'] = [20, 22, 24]

   # 添加新列
   df['职业'] = ['学生', '工人', '教师']

   # 删除指定列
   df.drop('职业', axis=1, inplace=True)

6. 数据排序：

   # 根据指定列进行升序排序
   df.sort_values(by='年龄')

   # 根据多列进行升序排序
   df.sort_values(by=['年龄', '性别'])

   # 根据指定列进行降序排序
   df.sort_values(by='年龄', ascending=False)

7. 数据分组：

   # 根据指定列进行分组
   df.groupby('性别')

   # 对分组后的数据进行聚合操作
   df.groupby('性别').mean()

以上是 Pandas 的一些常用用法，还有很多其他的用法可以根据实际需求来使用。