pandas库函数及举例说明

1、解释说明：
Pandas是一个强大的Python数据分析库，提供了高效的数据结构和数据分析工具。它的主要特点包括：
- 提供了两种主要的数据结构：Series和DataFrame，分别用于一维和二维数据的处理。
- 支持各种数据源的输入输出，如CSV、Excel、SQL数据库等。
- 提供了丰富的数据处理功能，如数据清洗、数据合并、数据分组、数据透视表等。
- 提供了强大的数据分析工具，如描述统计、时间序列分析、机器学习等。

2、使用示例：
以下是一些Pandas库的基本使用示例：

# 导入pandas库
import pandas as pd

# 创建DataFrame
data = {'Name': ['Tom', 'Nick', 'John'], 'Age': [20, 21, 19]}
df = pd.DataFrame(data)

# 查看数据
print(df)

# 选择某一列
print(df['Name'])

# 选择多列
print(df[['Name', 'Age']])

# 选择行
print(df.loc[0])

# 选择特定的单元格
print(df.loc[0, 'Name'])

# 添加新的列
df['Score'] = [85, 90, 78]

# 删除列
df = df.drop('Score', axis=1)

# 保存为csv文件
df.to_csv('data.csv', index=False)

# 从csv文件中读取数据
df = pd.read_csv('data.csv')

# 数据排序
df = df.sort_values(by='Age')

# 数据统计
print(df.describe())

3、注意事项：

• Pandas是基于NumPy构建的，因此在使用Pandas进行数据处理时，需要对NumPy有一定的了解。
• Pandas的操作是延迟计算的，这意味着在执行操作时并不会立即计算结果，而是将所有的操作存储在内部的DataFrame中，只有当需要结果时才会进行计算。这可以大大提高数据处理的效率，但也需要注意避免在没有必要的情况下频繁调用操作。
• Pandas的索引是默认从0开始的，如果需要从1开始，可以在创建DataFrame或Series时设置参数index=True。