pd.DataFrame

pd.DataFrame 是 Pandas 库中用于存储和操作结构化数据的核心数据结构。它类似于 Excel 中的表格，由行和列组成，每一列可以包含不同类型的数值。DataFrame 提供了丰富的数据操作功能，包括数据筛选、排序、分组、合并等。

创建 DataFrame

可以使用多种方式创建 DataFrame，以下是一些常见的方法：

1. 从字典创建

import pandas as pd

# 从字典创建 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'City': ['New York', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data)
print(df)

输出：

      Name  Age         City
0    Alice   25     New York
1      Bob   30  Los Angeles
2  Charlie   35      Chicago

2. 从列表创建

import pandas as pd

# 从列表创建 DataFrame
data = [['Alice', 25, 'New York'],
        ['Bob', 30, 'Los Angeles'],
        ['Charlie', 35, 'Chicago']]
df = pd.DataFrame(data, columns=['Name', 'Age', 'City'])
print(df)

输出：

      Name  Age         City
0    Alice   25     New York
1      Bob   30  Los Angeles
2  Charlie   35      Chicago

3. 从 NumPy 数组创建

import pandas as pd
import numpy as np

# 从 NumPy 数组创建 DataFrame
data = np.array([['Alice', 25, 'New York'],
                 ['Bob', 30, 'Los Angeles'],
                 ['Charlie', 35, 'Chicago']])
df = pd.DataFrame(data, columns=['Name', 'Age', 'City'])
print(df)

输出：

      Name  Age         City
0    Alice   25     New York
1      Bob   30  Los Angeles
2  Charlie   35      Chicago

常用操作

1. 查看数据

# 查看前几行数据
print(df.head(2))

# 查看后几行数据
print(df.tail(2))

# 查看数据的统计信息
print(df.describe())

# 查看数据的形状
print(df.shape)

# 查看数据的列名
print(df.columns)

# 查看数据的索引
print(df.index)

2. 数据筛选

# 筛选特定列
print(df['Name'])

# 筛选多列
print(df[['Name', 'Age']])

# 筛选特定行
print(df[df['Age'] > 30])

# 筛选多条件
print(df[(df['Age'] > 25) & (df['City'] == 'Los Angeles')])

3. 数据排序

# 按年龄排序
print(df.sort_values(by='Age'))

# 按城市排序
print(df.sort_values(by='City', ascending=False))

4. 数据分组

# 按城市分组
grouped = df.groupby('City')
print(grouped.mean())

5. 数据合并

# 创建另一个 DataFrame
data2 = {'Name': ['Alice', 'Bob', 'David'],
         'Salary': [50000, 60000, 70000]}
df2 = pd.DataFrame(data2)

# 合并两个 DataFrame
merged = pd.merge(df, df2, on='Name')
print(merged)

总结

pd.DataFrame 是 Pandas 库中用于处理结构化数据的核心数据结构，提供了丰富的数据操作功能。通过多种方式可以创建 DataFrame，并且可以进行数据筛选、排序、分组、合并等操作。这些功能使得 DataFrame 成为数据处理和分析的强大工具。