要掌握 Python 中的 DataFrame，了解如何创建、操作和分析这种数据结构是非常重要的。DataFrame 是 pandas 库中的一个核心数据结构，类似于电子表格或 SQL 表格，它使数据操作方便且高效。以下是关于 DataFrame 的基础知识和一些常见操作：

1. 安装 pandas 库

首先，确保你已经安装了 pandas 库。如果没有安装，可以使用以下命令进行安装：

pip install pandas  

2. 创建 DataFrame

DataFrame 可以从多种数据结构创建，比如字典、列表、NumPy 数组等。以下是一些创建 DataFrame 的方法：

• 从字典创建：

import pandas as pd  
data = {  
    'Name': ['Alice', 'Bob', 'Charlie'],  
    'Age': [25, 30, 35],  
    'City': ['New York', 'San Francisco', 'Los Angeles']  
}  
df = pd.DataFrame(data)  
print(df)  

• 从列表创建：

data = [['Alice', 25, 'New York'], ['Bob', 30, 'San Francisco'], ['Charlie', 35, 'Los Angeles']]  
df = pd.DataFrame(data, columns=['Name', 'Age', 'City'])  
print(df)  

3. 查看 DataFrame

查看 DataFrame 的一些常用方法包括：

• head() 和 tail()：查看 DataFrame 的前几行或后几行数据。

print(df.head())  # 默认前5行  
print(df.tail())  # 默认后5行  

• info()：获取 DataFrame 的简要信息。

print(df.info())  

• describe()：获取数值列的统计信息。

print(df.describe())  

4. 访问和修改数据

• 使用列名访问数据：

print(df['Name'])  

• 使用 loc 和 iloc 进行行列访问：

# 按行标签访问  
print(df.loc[0])  
# 按位置访问  
print(df.iloc[0])  

• 修改数据：

df.at[0, 'Age'] = 26  # 修改特定单元格  
df['Salary'] = [50000, 60000, 70000]  # 添加新列  

5. 数据清洗和操作

• 处理缺失值：

df.dropna()  # 删除包含NaN的行  
df.fillna(0)  # 用0填充NaN  

• 数据筛选：

# 筛选出 Age 大于 28 的行  
filtered_data = df[df['Age'] > 28]  
print(filtered_data)  

• 数据排序：

sorted_df = df.sort_values(by='Age', ascending=False)  
print(sorted_df)  

6. 数据聚合和分组

• 使用 groupby() 进行分组：

grouped = df.groupby('City')['Age'].mean()  
print(grouped)  

7. 合并和连接 DataFrames

• 使用 concat() 和 merge()：

df1 = pd.DataFrame({'A': ['A0', 'A1'], 'B': ['B0', 'B1']})  
df2 = pd.DataFrame({'A': ['A2', 'A3'], 'B': ['B2', 'B3']})  
# 合并 DataFrame  
result = pd.concat([df1, df2])  
print(result)  
# 类似 SQL 的合并  
merged_df = pd.merge(df1, df2, on='A', how='outer')  
print(merged_df)  

8. 保存和加载 DataFrame

• 保存为 CSV：

df.to_csv('output.csv', index=False)  

• 从 CSV 加载：

df = pd.read_csv('output.csv')  

掌握这些基础的 DataFrame 操作后，你可以更高效地处理和分析数据，为后续的深层次分析和机器学习做好准备。pandas 是一个功能强大的工具，深入学习它将帮助你在数据科学领域中走得更远。