pandas 数据框 (df) 是 python 的 pandas 库中用于存储和操作表格数据的核心数据结构，包含数据、索引和标签，所有列必须包含相同类型的数据。优点包括轻松操作数据、处理大型数据集，以及支持过滤、聚合和分组操作。
什么是 pandas 数据框（df）？
Python 中的 Pandas 库是一个灵活而强大的数据分析和操作工具。Pandas 数据框 (df) 是该库中的核心数据结构，用于存储和操作表格数据。
Pandas 数据框的特性：
- 数据：数据框由多个列组成，其中每个列包含相同类型的数据。
- 索引：每个行都有一个唯一的索引，通常是整数或字符。
- 标签：列也有标签，通常是字符串。
- 同质性：数据框中的所有列都必须包含相同类型的数据。
使用数据框的好处：
- 轻松地操纵和操作表格数据。
- 高效地处理大型数据集。
- 支持各种数据操作，如过滤器、聚合和分组。
创建和使用数据框：
要创建一个数据框，可以使用 Pandas 的 DataFrame() 函数，并提供数据和索引或列标签。例如：
import pandas as pd
data = {
'Name': ['John', 'Jane', 'Mark'],
'Age': [25, 30, 28]
}
df = pd.DataFrame(data, index=['A', 'B', 'C'])
print(df)
输出：
Name Age A John 25 B Jane 30 C Mark 28
访问数据框数据：
可以使用索引或列标签来访问数据框中的数据。例如：
df['Name'] # 返回 Name 列 df.loc['A'] # 返回索引 A 的行
操作数据框：
Pandas 数据框支持各种数据操作，包括：
- 过滤：使用 .query() 或 .filter() 方法筛选特定行。
- 聚合：使用 .agg() 方法对数据进行统计运算，例如求和或平均值。
- 分组：使用 .groupby() 方法对数据进行分组，并对每组应用函数。
结论：
Pandas 数据框是 Python 中用于存储和操作表格数据的强大而灵活的数据结构。它们使数据分析和操作变得更加容易和高效。
