Pandas 数据框 - Python

Pandas 是 Python 中使用最广泛的数据处理库之一，它提供了一个高性能、易于使用的数据框（DataFrame）结构，可以在数据处理、数据分析、机器学习等领域中发挥重要的作用。

数据框的创建

创建一个数据框非常简单，可以使用列表、字典等方式来创建。我们先来看一下使用列表的方式：

import pandas as pd

data = [['Alice', 25], 
        ['Bob', 30], 
        ['Charlie', 35]]

df = pd.DataFrame(data, columns=['Name', 'Age'])
print(df)

输出结果：

       Name  Age
0     Alice   25
1       Bob   30
2   Charlie   35

我们也可以使用字典来创建数据框：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}

df = pd.DataFrame(data)
print(df)

输出结果：

       Name  Age
0     Alice   25
1       Bob   30
2   Charlie   35

数据框的读写

Pandas 也提供了多种方式来读取和写入数据框，比如 CSV、Excel、SQL 数据库等。这里以 CSV 文件为例：

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('data.csv')

# 写入 CSV 文件
df.to_csv('data.csv', index=False)

数据框操作

数据框可以进行多种操作，比如筛选、排序、聚合等。这里给出几个例子：

筛选

筛选出年龄大于 30 岁的人员：

df[df['Age'] > 30]

排序

按照年龄从小到大排序：

df.sort_values(by='Age')

聚合

按照年龄分组并计算平均值：

df.groupby(['Age']).mean()

总结

以上只是数据框操作的一部分，Pandas 的使用非常广泛，可以满足数据处理、数据分析、机器学习等多种需求。