Python中Pandas库提供的函数——pd.DataFrame的基本用法

路漫漫好屌远

一、DataFrame的基本概念pd.DataFrame是Pandas库中的一个类，用于创建和操作数据框（DataFrame）。DataFrame是Pandas的核心数据结构，用于以表格形式和处理数据，类似提供电子表格或数据库表格。类了创建pd.DataFrame数据框、访问数据、进行数据操作和分析的方法和属性。二、DataFrame的重要特点表格形式：DataFrame是一个二维表格，其中包含了多行和多列的数据。每个列可以有不同的数据类型，例如整数、浮点数、字符串等。标签：DataFrame的行和列都有标签（Label），行标签称为索引（Index），列标签通常是字段名或特征名。数据操作：DataFrame提供了丰富的数据操作方法，包括数据筛选、切片、合并、分组、聚合、排序等。数据查看：您可以使用.head()方法来查看DataFrame的前几行数据，以了解数据的结构和内容。数据统计：DataFrame提供了.describe()方法，用于生成数据的统计摘要信息，包括均值、标准差、简单、顶点等。数据过滤：你可以使用条件表达式来过滤数据，例如选择满足特定条件的行。数据可视化：Pandas与其他数据可视化库（如Matplotlib和Seaborn）结合使用，可以轻松创建各种图表和可视化，以探索和传输数据。数据导入和导出：DataFrame可以从各种数据源导入数据，如CSV文件、Excel表格、SQL数据库等，并且可以将数据导出为不同格式的文件。数据恢复处理：DataFrame提供了处理数据中的恢复值的方法，如删除恢复值或恢复恢复值。数据索引：DataFrame可以使用行索引和列标签来访问特定的数据元素。数据转换：您可以对DataFrame进行各种数据转换操作，如数据类型转换、列重命名、数据透视表等。三、DataFrame的具体代码操作 1.创建空的数据框：importpandasaspddf=pd.DataFrame()print(df)#运行结果'''EmptyDataFrameColumns:[]Index:[]''''运行运行这将创建一个空的数据框，可以在后续添加数据。2.从创建列表数据框：importpandasaspddata=[['Alice',25],['Bob',30],['Charlie',35]]df=pd.DataFrame(data,columns=['Name','Age'])print(df)#运行结果'''NameAge0Alice251Bob302Charlie35''''运行运行这将创建一个包含姓名和年龄列的数据框。3.从字典创建数据框：importpandasaspddata={'Name':['Alice','Bob','Charlie'],'Age':[25,30,35]}df=pd.DataFrame(data)print(df)#运行结果'''NameAge0Alice251Bob302Charlie35''''运行运行这将创建一个与上述示例相同的数据框。4.访问数据：importpandasaspddata={'Name':['Alice','Bob','Charlie'],'Age':[25,30,35]}df=pd.DataFrame(data)a=df['Name']#获取'Name'列的数据b=df.loc[0]#获取第一行的数据print(a)print(b)#运行结果'''0Alice1Bob2CharlieName:Name,dtypebjectNameAliceAge25Name:0,dtypebject''''运行运行5.数据操作：importpandasaspddata={'Name':['Alice','Bob','Charlie'],'Age':[25,30,35]}df=pd.DataFrame(data)a=df['Age'].mean()#计算'Age'列的平均值b=df.sort_values(by='Age',ascending=False)#按'Age'列排序,ascending=True是从小到大，ascending=False是从大到小print(a)print(b)#运行结果'''30.0NameAge2Charlie351Bob300Alice25''''运行运行 6.数据查看：importpandasaspddata={'Name':['Alice','Bob','Charlie'],'Age':[25,30,35]}df=pd.DataFrame(data)a=df.head(2)#查看前几行数据，df.head()默认为前5行b=df.tail(2)#查看后3行数据print(a)print(b)#运行结果'''NameAge0Alice251Bob30NameAge1Bob302Charlie35''''运行运行7.数据统计：importpandasaspddata={'Name':['Alice','Bob','Charlie'],'Age':[25,30,35]}df=pd.DataFrame(data)c=df.describe()#生成数据的统计摘要信print(c)#运行结果'''Agecount3.0mean30.0std5.0min25.025%27.550%30.075%32.5max35.0''''运行运行这些是一些常见的最有效pd.DataFrame示例，Pandas提供了丰富的高效方法和功能，使你能够进行数据处理和分析。数据科学、机器学习、统计分析等领域中经常使用Pandas数据框来处理和分析数据。