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：
import pandas as pd
df = pd.DataFrame()
print(df)
# 运行结果
'''
Empty DataFrame
Columns: []
Index: []
'''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：
import pandas as pd
data = [['Alice', 25], ['Bob', 30], ['Charlie', 35]]
df = pd.DataFrame(data, columns=['Name', 'Age'])
print(df)
# 运行结果
'''
Name Age
0 Alice 25
1 Bob 30
2 Charlie 35
'''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：
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)
print(df)
# 运行结果
'''
Name Age
0 Alice 25
1 Bob 30
2 Charlie 35
'''这将创建一个与上述示例相同的数据框。
4.访问数据：
import pandas as pd
data = {'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
'''
0 Alice
1 Bob
2 Charlie
Name: Name, dtype: object
Name Alice
Age 25
Name: 0, dtype: object
'''5.数据操作：
import pandas as pd
data = {'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
'''
30.0
Name Age
2 Charlie 35
1 Bob 30
0 Alice 25
'''6.数据查看：
import pandas as pd
data = {'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
'''
Name Age
0 Alice 25
1 Bob 30
Name Age
1 Bob 30
2 Charlie 35
'''7.数据统计：文章来源：https://www.toymoban.com/news/detail-753539.html
import pandas as pd
data = {'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
'''
Age
count 3.0
mean 30.0
std 5.0
min 25.0
25% 27.5
50% 30.0
75% 32.5
max 35.0
'''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。文章来源地址https://www.toymoban.com/news/detail-753539.html
到了这里，关于Python中Pandas库提供的函数——pd.DataFrame的基本用法的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
