Pandas中DataFrame对象的创建与常用属性方法（Pandas篇-02）

在Pandas中，DataFrame是一个二维标签化的数据结构，可以存储不同类型的数据，并具有行和列的标签。创建DataFrame的方法有多种，下面将介绍几种常用的方法。
1. 创建DataFrame

• 方法一：使用字典创建

  import pandas as pd
  data = {'列1': [1, 2, 3], '列2': [4, 5, 6] }
  df = pd.DataFrame(data)
  print(df)

• 方法二：使用NumPy数组创建

  import numpy as np
  p.random.seed(0)
  data = np.random.randint(0, 10, size=(3, 3))
  df = pd.DataFrame(data)
  print(df)

• 方法三：使用Pandas函数直接创建

  df = pd.DataFrame(index=['A', 'B', 'C'], columns=['列1', '列2'])
  print(df)

  在上述示例中，我们展示了如何使用不同的方式创建DataFrame。其中，字典和NumPy数组是最常用的数据源。你可以根据实际需要选择合适的方式。
  2. 常用属性
• .index：返回DataFrame的索引对象。
• .columns：返回DataFrame的列标签。
• .shape：返回DataFrame的形状，即行数和列数。
• .dtypes：返回DataFrame中每列的数据类型。
• .values：返回DataFrame的NumPy数组表示形式。
• .T：返回DataFrame的转置。
• .head() 和 .tail()：分别返回DataFrame的前五行和最后五行。可以通过参数指定行数。
• .describe()：返回DataFrame的描述性统计信息，如计数、平均值、标准差等。
• .loc[] 和 .iloc[]：用于基于标签选择数据。.loc[]基于行标签和列标签选择数据，而.iloc[]基于行号和列号选择数据。
• .assign()：用于给DataFrame添加新列或修改现有列。可以同时为多个列赋值，无需逐一处理。例如：df = df.assign(新列1=新列1的计算方式, 新列2=新列2的计算方式)。
• .drop()：用于删除DataFrame中的行或列。可以通过参数指定要删除的行或列的标签或索引。例如：df = df.drop('列名') 或 df = df.drop(index=行索引)。
• .fillna()：用于填充DataFrame中的缺失值（NaN）。可以通过参数指定填充值或使用方法如.ffill()（前向填充）或.bfill()（后向填充）。例如：df = df.fillna(0) 或 df = df.ffill()。
• .sort_values() 和 .sort_index()：分别用于对DataFrame的行或列进行排序。可以通过参数指定排序的列或行索引，并选择升序或降序排列。例如：df = df.sort_values(by='列名') 或 df = df.sort_index()。
• .groupby()：用于对DataFrame进行分组操作，常用于数据聚合和整理。可以通过参数指定分组的列或表达式，然后对分组后的数据进行进一步处理，如求和、平均值等。例如：grouped_df = df.groupby('列名')。
  通过了解这些常用的属性和方法，你将能够更好地使用Pandas进行数据处理和分析工作，提高工作效率和质量。