pd.DataFrame使用方法

Pandas DataFrame是一种强大的二维表格型数据结构，它是Pandas库的核心组件之一，非常适合处理结构化数据。DataFrame提供了一系列丰富的方法和属性，让你可以方便地创建、操作、清洗和分析数据。以下是一些基本的DataFrame使用方法：

1. **创建DataFrame**:
- 从列表、字典或CSV文件初始化：`pd.DataFrame(data, index=None, columns=None)`
- 从其他数据结构转换：`pd.DataFrame.from_dict(data, orient='records')` 或 `pd.read_csv('file.csv')`

2. **查看数据**:
- `df.head()` 显示前几行
- `df.tail()` 显示后几行
- `df.info()` 提供关于数据集的信息，包括列名、非空值等

3. **修改数据**:
- `df.at[row_indexer, column_indexer] = value` 对特定位置的值进行赋值
- `df.loc[row_selector, col_selector] = value` 根据标签选择行和列进行赋值

4. **数据分析**:
- `df.describe()` 统计摘要，包括计数、平均值、标准差等
- `df.groupby(column)` 按照某一列分组进行聚合操作

5. **筛选数据**:
- `df[df[col] > condition]` 使用布尔索引来过滤满足条件的行
- `.loc[:, 'column_name']` 获取指定列

6. **合并与拼接**:
- `pd.concat([df1, df2], axis=0)` 或 `pd.merge(df1, df2, on='key')` 合并数据框
- `pd.DataFrame.pivot_table(df, values='value', index='index_col', columns='column_col')` 转换为透视表

7. **保存与读取**:
- `df.to_csv('output_file.csv')` 保存到CSV文件
- `pd.read_csv('input_file.csv')` 从CSV文件加载数据

这只是DataFrame功能的一个概述，实际使用中还有许多其他高级特性，如时间序列操作、缺失值处理、数据转换等。