Pandas中的DataFrame怎么使用

這篇文章主要介紹“Pandas中的DataFrame怎么使用”，在日常操作中，相信很多人在Pandas中的DataFrame怎么使用問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Pandas中的DataFrame怎么使用”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

Pandas是Python中最流行的數據分析和處理工具之一，它提供了一個名為DataFrame的數據結構，可以被認為是一個二維表格或電子表格，其中包含行和列。在本文中，我們將深入探討Pandas中DataFrame的各種常用的用法，包括創建DataFrame、選擇數據、修改數據、數據排序、數據統計、數據合并、數據分組和數據透視表等。

1.創建DataFrame

要創建DataFrame，可以使用Pandas中的DataFrame()函數。下面是一個例子：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 32, 18, 47],
        'gender': ['F', 'M', 'M', 'M']}

df = pd.DataFrame(data)
print(df)

輸出：

       name  age gender
0     Alice   25      F
1       Bob   32      M
2   Charlie   18      M
3     David   47      M

2.選擇數據

在DataFrame中選擇數據有幾種方法。可以使用loc[]和iloc[]函數，也可以使用布爾索引。下面是一些例子：

# 使用loc[]函數選擇數據
print(df.loc[0])          # 選擇第一行
print(df.loc[0:2])        # 選擇前三行
print(df.loc[0:2, 'name'])# 選擇前三行的name列

# 使用iloc[]函數選擇數據
print(df.iloc[0])         # 選擇第一行
print(df.iloc[0:2])       # 選擇前兩行
print(df.iloc[0:2, 0])    # 選擇前兩行的第一列

# 使用布爾索引選擇數據
print(df[df['age'] > 30]) # 選擇年齡大于30的行

3.修改數據

要修改DataFrame中的數據，可以使用loc[]或iloc[]函數。下面是一個例子：

# 修改數據
df.loc[0, 'age'] = 26
print(df)

# 添加新數據
df.loc[4] = ['Eve', 29, 'F']
print(df)

# 刪除數據
df = df.drop(4)
print(df)

4.數據排序

要對DataFrame中的數據進行排序，可以使用sort_values()函數。下面是一個例子：

# 按年齡升序排序
df = df.sort_values('age')
print(df)

# 按年齡降序排序
df = df.sort_values('age', ascending=False)
print(df)

5.數據統計

要對DataFrame中的數據進行統計，可以使用describe()函數和其他函數，例如mean()、median()和std()。下面是一個例子：

# 描述數據
print(df.describe())

# 計算平均年齡
print(df['age'].mean())

# 計算年齡中位數
print(df['age'].median())

# 計算年齡標準差
print(df['age'].std())

6.數據合并

要合并兩個DataFrame，可以使用concat()函數。下面是一個例子：

# 創建第二個DataFrame
data2 = {'name': ['Frank', 'Grace'],
         'age': [39, 28],
         'gender': ['M', 'F']}
df2 = pd.DataFrame(data2)

# 合并兩個DataFrame
df = pd.concat([df, df2])
print(df)

7.數據分組

要按某些標準對DataFrame中的數據進行分組，可以使用groupby()函數。下面是一個例子：

# 按性別分組并計算平均年齡
print(df.groupby('gender')['age'].mean())

8.數據透視表

要創建數據透視表，可以使用pivot_table()函數。下面是一個例子：

# 創建數據透視表
print(pd.pivot_table(df, values='age', index='gender', columns='name'))

到此，關于“Pandas中的DataFrame怎么使用”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！