学习Python Pandas，轻松掌握数据处理技巧！

import pandas as pd

创建 DataFrame

• 从列表创建：

df = pd.DataFrame({"name": ["Alice", "Bob", "Carol"], "age": [20, 25, 30]})

• 从字典创建：

df = pd.DataFrame({
"name": ["Alice", "Bob", "Carol"],
"age": [20, 25, 30],
"city": ["London", "Paris", "Rome"]
})

• 从 CSV 文件创建：

df = pd.read_csv("data.csv")

访问数据

• 访问一列：

df["age"]

• 访问一行：

df.loc[0]

• 访问特定单元格：

df.loc[0, "age"]

操纵数据

• 添加列：

df["city"] = ["London", "Paris", "Rome"]

• 删除列：

df.drop("age", axis=1, inplace=True)

• 筛选数据：

filtered_df = df[df["age"] > 25]

• 排序数据：

sorted_df = df.sort_values("age")

• 分组数据：

grouped_df = df.groupby("city")

合并数据

• 通过列合并：

df1 = pd.DataFrame({"name": ["Alice", "Bob"], "age": [20, 25]})
df2 = pd.DataFrame({"name": ["Bob", "Carol"], "city": ["Paris", "Rome"]})
merged_df = pd.merge(df1, df2, on="name")

• 通过索引合并：

df1 = pd.DataFrame({"name": ["Alice", "Bob"], "age": [20, 25]})
df2 = pd.DataFrame({"city": ["London", "Paris"], "index": [0, 1]})
merged_df = pd.merge(df1, df2, left_index=True, right_index=True)

数据处理

• 求和：

df["age"].sum()

• 求平均值：

df["age"].mean()

• 求标准差：

df["age"].std()

• 众数：

df["city"].mode()

输出数据

• 输出到 CSV 文件：

df.to_csv("data.csv")

• 输出到 excel 文件：

df.to_excel("data.xlsx")

• 输出到 html 表格：

df.to_html("data.html")