Python之Pandas DataFrame：数据类型的行操作和常用属性和方法汇总

在Python的Pandas库中，DataFrame是一个二维表格型数据结构，可以存储各种类型的数据，如数字、字符串、日期等。对DataFrame的行进行操作是数据处理中常见的工作，下面我们将介绍DataFrame中数据类型的行操作和常用属性和方法。
数据类型的行操作

1. 选取行：使用布尔索引可以选取符合条件的行。例如，df[df[‘column_name’] > value]将选取’column_name’列值大于某个值的行。
2. 插入行：使用loc属性可以插入行。例如，df.loc[row_index, ‘column_name’] = value将在指定位置插入一行。
3. 删除行：使用drop方法可以删除行。例如，df.drop(row_index)将删除指定索引的行。
4. 修改行：直接对行的数据进行修改即可。
   常用属性和方法
5. head()：返回前n行数据，默认n为5。
6. tail()：返回最后n行数据，默认n为5。
7. shape：返回DataFrame的形状，即行数和列数。
8. index：返回DataFrame的索引。
9. columns：返回DataFrame的列名。
10. dtypes：返回DataFrame中每一列的数据类型。
11. values：返回DataFrame中的数据，以NumPy数组形式返回。
12. describe()：返回描述性统计信息，如计数、平均值、标准差、最小值、25%、50%、75%分位数和最大值。
13. groupby()：按照某一列或多列进行分组，并对分组后的数据进行聚合操作。
14. merge()：将两个DataFrame按照某一列或多列进行合并。
15. concat()：将多个DataFrame沿着某一轴进行连接。
16. loc[]：基于标签进行索引，用于选取数据。
17. iloc[]：基于整数位置进行索引，用于选取数据。
18. sort_values()：按照某一列的值进行排序。
19. sort_index()：按照索引进行排序。
20. reset_index()：重置DataFrame的索引。
21. fillna()：填充缺失值，可以使用特定值、前一个值或后一个值进行填充。
22. replace()：替换指定值。
23. dropna()：删除含有缺失值的行或列。
24. pivot()：将数据转换为透视表形式。
25. resample()：重新采样时频数据。
26. to_datetime()：将指定列转换为日期时间格式。
27. to_numeric()：将指定列转换为数字格式。
28. info()：显示DataFrame的简要信息，包括非空值计数、数据类型、内存占用等。
29. copy()：复制DataFrame。
30. reindex()：重新设置DataFrame的索引。
31. reindex_like()：根据另一个DataFrame的索引重新设置当前DataFrame的索引。