Python数据分析入门：pd.dataframe基础操作指南

快速体验

1. 打开 InsCode(快马)平台 https://www.inscode.net
2. 输入框内输入如下内容：

   编写一个面向初学者的pd.dataframe教学示例。包含：1)从字典创建简单DataFrame 2)行列选择操作 3)添加/删除列 4)简单数据筛选 5)基本统计计算。每个操作都要有详细解释和示例输出，代码注释要通俗易懂，避免使用复杂概念。

3. 点击'项目生成'按钮，等待项目生成完整后预览效果

最近在学习Python数据分析，发现pandas的DataFrame真的是个神器。作为新手，刚开始接触可能会觉得有点复杂，但掌握几个基础操作后就能处理大部分日常数据任务了。今天就来分享一下我从零开始学DataFrame的经验，希望能帮助到同样入门的朋友们。

1. 创建第一个DataFrame

DataFrame可以理解成Excel表格的Python版，创建方法很多，最简单的就是用字典。比如我想记录几个朋友的姓名、年龄和城市信息：

1. 先导入pandas（别忘装这个库）
2. 用字典定义数据，键是列名，值是列表形式的数据
3. 用pd.DataFrame()转换成表格

创建后会显示整齐排列的数据，还有自动生成的索引（最左边那列数字）。这个基本结构之后所有操作都会用到。

2. 数据选取的两种姿势

拿到数据第一步就是查看特定内容，DataFrame有超直观的选取方式：

• 选列：直接df['列名']，比如想看所有人的年龄
• 选行：用loc[]按索引标签，或者iloc[]按位置数字

有个小技巧：同时选行列可以df.loc[行条件, 列名]，类似Excel里选中某个区域。刚开始容易把中括号和圆括号搞混，多练几次就顺手了。

3. 增删改列像玩积木

实际分析时经常要调整列，DataFrame的操作比Excel还简单：

• 新增列：直接df['新列名']=值就能添加，值可以是计算式
• 删除列：用drop()方法，记得加axis=1表示列方向

特别注意删除操作默认不修改原数据，要加inplace=True才会真正生效。这个设计是为了防止误操作，很贴心。

4. 筛选想要的数据子集

数据过滤是高频操作，DataFrame能用布尔条件快速筛选：

1. 先写条件表达式，比如找年龄大于20的
2. 把条件放进方括号df[条件]
3. 支持组合条件，用&(且)、|(或)连接

输出结果还是DataFrame，可以继续其他操作。刚开始可能不习惯这种写法，理解成"把满足条件的行选出来"就简单了。

5. 快速统计不求人

pandas内置的统计方法能省去大量手工计算：

• describe()一键生成主要统计量（均值、标准差等）
• mean()/max()/min()等针对特定列计算
• value_counts()统计类别分布

这些在数据探索阶段特别有用，不用自己写循环就能快速把握数据特征。

个人实践建议

学完基础操作后，建议找些真实小数据集练手。比如：

1. 用电影评分数据练习筛选和统计
2. 用天气数据练习增删列
3. 自己创建模拟数据尝试各种组合操作

遇到报错别慌，大部分是因为数据类型不匹配或者拼写错误。多看看输出结果的格式，慢慢就能培养出数据操作的直觉。

刚开始用InsCode(快马)平台练习特别方便，不用配环境直接在线写代码，还能实时看到结果输出。它的交互式界面对新手很友好，写错能马上调整，不像本地环境总要重启kernel。

DataFrame还有很多进阶功能，但掌握这些基础已经能处理很多实际任务了。关键是多实践，把每个操作都亲手试几次，很快就能从入门到熟练。

快速体验

1. 打开 InsCode(快马)平台 https://www.inscode.net
2. 输入框内输入如下内容：

   编写一个面向初学者的pd.dataframe教学示例。包含：1)从字典创建简单DataFrame 2)行列选择操作 3)添加/删除列 4)简单数据筛选 5)基本统计计算。每个操作都要有详细解释和示例输出，代码注释要通俗易懂，避免使用复杂概念。

3. 点击'项目生成'按钮，等待项目生成完整后预览效果