pandas库dataframe

`pandas` 是一个广泛使用的数据处理库，其中最重要的数据结构是 `DataFrame`。 `DataFrame` 是一个二维的标签数组，它可以存储多种类型的数据，并且可以通过行和列的名称进行索引。 `DataFrame` 可以从多种数据源创建，例如 CSV 文件、数据库查询、Excel 文件和 Python 数据结构等。

下面是一个使用 `pandas` 库创建、修改和操作 `DataFrame` 的简单示例：

import pandas as pd

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

# 展示DataFrame
print(df)

# 访问DataFrame列
print(df['name'])

# 访问DataFrame行
print(df.iloc[0])

# 添加新列
df['salary'] = [5000, 6000, 7000, 8000]
print(df)

# 删除列
df = df.drop(columns=['gender'])
print(df)

# 修改行
df.iloc[0] = ['Alice', 26, 5500]
print(df)

# 修改单元格
df.at[1, 'age'] = 31
print(df)

# 过滤行
df_filtered = df[df['age'] >= 35]
print(df_filtered)

输出：

       name  age gender
0     Alice   25      F
1       Bob   30      M
2   Charlie   35      M
3     David   40      M
0       Alice
1         Bob
2     Charlie
3       David
Name: name, dtype: object
name      Alice
age          25
gender        F
Name: 0, dtype: object
       name  age gender  salary
0     Alice   25      F    5000
1       Bob   30      M    6000
2   Charlie   35      M    7000
3     David   40      M    8000
       name  age  salary
0     Alice   25    5000
1       Bob   30    6000
2   Charlie   35    7000
3     David   40    8000
       name  age  salary
0     Alice  26    5500
1       Bob  30    6000
2   Charlie  35    7000
3     David  40    8000
       name  age  salary
0     Alice  26    5500
1       Bob  31    6000
2   Charlie  35    7000
3     David  40    8000
       name  age  salary
2   Charlie  35    7000
3     David  40    8000

在上面的示例中，我们首先创建了一个包含学生姓名、年龄和性别的字典，然后使用该字典创建了一个 `DataFrame`。

我们可以使用 `print(df)` 显示整个 `DataFrame`，使用 `df['name']` 访问 `name` 列，使用 `df.iloc[0]` 访问第一行，等等。

我们还可以添加新的列 `salary`，删除 `gender` 列，修改第一行中的值，修改单元格的值，以及使用过滤器过滤数据行。

这只是 `pandas` 库中 `DataFrame` 的一部分功能，还有很多其他的操作和功能可用。