pandas库常用函数及其示例代码

pandas是一个强大的数据分析和数据处理库，提供了许多常用函数来操纵和处理数据。以下是一些常用函数及其示例代码：

1. 读取数据：

   import pandas as pd
   df = pd.read_csv('data.csv')  # 从csv文件中读取数据
   df = pd.read_excel('data.xlsx', sheet_name='Sheet1')  # 从Excel文件中读取数据

2. 查看数据：

   df.head()  # 默认查看前5行数据
   df.tail(10)  # 查看最后10行数据
   df.shape  # 查看数据的形状（行数，列数）
   df.columns  # 查看列名

3. 数据选择和过滤：

   df['column_name']  # 选择单个列
   df[['column1', 'column2']]  # 选择多个列
   df.loc[row_index]  # 根据行索引选择行
   df.loc[row_index, 'column_name']  # 根据行索引和列名选择单个元素
   df[df['column_name'] > 10]  # 根据条件过滤数据

4. 数据排序：

   df.sort_values('column_name')  # 按某一列排序，默认升序
   df.sort_values('column_name', ascending=False)  # 按某一列降序排序

5. 数据聚合和统计：

   df.groupby('column_name').mean()  # 按某一列进行分组，并计算平均值
   df.groupby(['column1', 'column2']).sum()  # 按多个列进行分组，并计算总和
   df['column_name'].sum()  # 计算某一列的总和
   df['column_name'].max()  # 计算某一列的最大值

6. 数据处理：

   df.dropna()  # 删除包含缺失值的行
   df.fillna(value)  # 将缺失值填充为指定值
   df.drop_duplicates()  # 删除重复的行
   df.rename(columns={'old_name': 'new_name'})  # 重命名列名