欢迎关注公众号【Python开发实战】，免费领取Python学习电子书！工具-pandas
pandas库提供了高性能、易于使用的数据结构和数据分析工具。其主要数据结构是DataFrame，可以将DataFrame看做内存中的二维表格，如带有列名和行标签的电子表格。许多在Excel中可用的功能都可以通过编程实现，例如创建数据透视表、基于其他列计算新列的值、绘制图形等。还可以按照列的值对行进行分组，或者像SQL中那样连接表格。pandas也擅长处理时间序列。
但是介绍pandas之前，需要有numpy的基础，如果还不熟悉numpy，可以查看
导入pandas
Dataframe对象
一个DataFrame对象表示一个电子表格，带有单元格值、列名和行索引标签。可以定义表达式基于其他列计算列的值、创建数据透视表、按行分组、绘制图形等。可以将DataFrame视为Series的字典。
创建Dataframe
可以通过传递一个Series对象的字典来创建DataFrame。
输出：
需要注意：
可以根据列名访问DataFrame，会返回Series对象。
输出：
也可以一次性访问多列, 会返回一个DataFrame。
输出：
如果在创建DataFrame时，参数columns和index分别被传入一个列表，则会保证这些列和这些行将按照列表中的顺序存在，不会存在其他的列和行。
输出：
输出：
另一个创建DataFrame的实用方法是传入由所有值组成的ndarray或嵌套列表，并指定列名和行索引标签。
输出：
对于缺失值，可以使用np.nan，也可以使用numpy的屏蔽数组。
输出：
还可以传递一个DataFrame对象，而不是传递一个ndarray。
输出：
还可以使用字典来创建DataFrame。
输出：
多级索引
如果所有的列都是大小相同的元组，则会被理解陈给多级列索引。行索引标签也是如此。
输出：
可以非常简单地获取到包含所有public列的DataFrame。
输出：
输出：
多级索引降级
输出：
输出：
输出：
可以看到d6有两级列索引和行索引，现在可以通过调用droplevel()删除一级列索引（行索引也是如此）。
输出：
堆叠和拆分多级索引
调用stack()方法会将最低级的列索引放到最低级的行索引之后。
输出
上面的结果中出现了许多NaN值，这是有道理的，因为许多新的组合以前不存在，比如伦敦没有bob。 现在调用unstack()将会实现的相反的效果，也会再次创建许多NaN值。
输出：
如果在上面的结果上再次调用unstack()，将会得到一个Series对象。
输出：
stack()和unstack()方法可以通过设置level参数来选择想要堆叠和拆分的索引级别，设置可以同时堆叠和拆分多个级别。
输出：
大多数方法返回修改过的副本
从stack()和unstack()的结果已经发现，这些方法不会修改应用的对象，而使处理应用对象的副本并返回这个副本。在pandas中，大多数方法都是这样的。
访问行
输出：
loc属性是按行索引访问行，不是按列访问。它的结果是一个Series对象，DataFrame的列名会被映射为Series的行标签。
输出：
iloc属性是按整数位置来访问行。
输出：
对按行进行切片，会返回一个DataFrame对象。
输出：
还可以传递一个布尔数组来获得匹配的行，类似于ndarray的布尔索引。
输出：
这与布尔表达式（条件运算）结合使用时非常有用。
输出：
添加和移除列
通常，可以将DataFrame看做是由Series组成的字典，所以下面的方法可以正常运行。
输出：
输出：
在添加一个新列时，其行数必须和DataFrame相同。缺少的行将会用NaN填充，多余的行会被忽略。
输出：
在添加新列时，默认会添加在末尾 （右端），可以使用insert()方法在其他任何位置插入新列。
输出：
布置新列
还可以通过调用assign()方法来创建新列。但是需要注意的是，这个方法会返回一个新的DataFrame对象，原来的DataFrame不会被修改。
输出：
需要注意的是，无法访问在同一布置中创建的列。
输出：
解决上面问题的方案是将上面的布置任务拆分为两个连续的任务。
输出：
上面的解决方案中创建了一个临时变量d12,这不是很方便。你可以想链式调用assign，但是不会起作用，因为第一个assign实际上没有修改people对象。
输出：
简单的解决方案是将一个函数传递给assign()方法，通常是lambda函数，该函数将会把DataFrame作为参数调用。
输出：
本文如未解决您的问题请添加抖音号：51dongshi（抖音搜索懂视），直接咨询即可。
热心网友
回答时间：2025-01-19 06:16
