使用 Pandas 操作数据帧 – Python

Pandas 是一个用于数据处理和数据分析的 Python 库。它能够处理各种数据源，包括 CSV 文件、Microsoft Excel 文件、SQL 数据库、JSON 格式等等。本文将介绍如何使用 Pandas 操作数据帧。

安装 Pandas

使用 pip 命令安装 Pandas：

pip install pandas

导入 Pandas

在使用 Pandas 之前，需要先导入它：

import pandas as pd

创建数据帧

可以使用 Pandas 创建数据帧，下面是两种方法。

从列表创建数据帧

data = {'名字': ['Tom', 'Jerry', 'Mike', 'Rose'],
        '年龄': [20, 28, 30, 25],
        '城市': ['北京', '上海', '广州', '深圳']}
df = pd.DataFrame(data)
print(df)

输出结果：

| | 名字 | 年龄 | 城市 | | --- | ------ | ---- | ---- | | 0 | Tom | 20 | 北京 | | 1 | Jerry | 28 | 上海 | | 2 | Mike | 30 | 广州 | | 3 | Rose | 25 | 深圳 |

从 CSV 文件创建数据帧

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

查看数据帧

使用以下方法可以查看数据帧的前几行：

df.head()

使用以下方法可以查看数据帧的后几行：

df.tail()

使用以下方法可以查看数据帧的行列数：

df.shape

选择数据

可以通过以下方法选择数据：

选择一列数据

df['名字']

选择多列数据

df[['名字', '年龄']]

选择一行数据

df.loc[0]

选择多行数据

df.loc[[0, 1]]

选择满足特定条件的数据

df[df['城市'] == '北京']

修改和删除数据

修改一列数据

df['年龄'] = df['年龄'] + 2

删除一列数据

df = df.drop('年龄', 1)

修改一行数据

df.loc[1] = ['Jerry', 30, '上海']

删除一行数据

df = df.drop(1)

数据操作

排序

可以使用以下方法对数据进行排序：

df = df.sort_values(by='年龄')

分组

可以使用以下方法对数据进行分组：

groups = df.groupby('城市')
for group in groups:
    print(group[0])
    print(group[1])

合并

可以使用以下方法将两个数据帧合并：

df1 = pd.DataFrame({'id': [1, 2, 3], 'value': ['A', 'B', 'C']})
df2 = pd.DataFrame({'id': [4, 5, 6], 'value': ['D', 'E', 'F']})
df = pd.concat([df1, df2], ignore_index=True)

小结

Pandas 是一个功能强大的数据处理和分析库，可以处理各种数据源。本文介绍了如何使用 Pandas 创建、查看、选择、修改和删除数据，以及如何对数据进行操作。