Pandas DataFrame基本操作指南（一）

Pandas是一个强大的Python数据分析库，而DataFrame是Pandas中最核心的数据结构，它类似于Excel中的表格或SQL中的表。本文将带你了解DataFrame对象的基本操作，帮助你快速掌握其核心功能。

一、创建DataFrame

首先，我们需要导入Pandas库，并使用DataFrame函数来创建一个DataFrame对象。

import pandas as pd
# 使用字典创建DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Salary': [50000, 60000, 70000]
}
df = pd.DataFrame(data)
print(df)

二、索引和切片

DataFrame支持行索引和列索引，可以通过loc和iloc来访问特定位置的元素。

# 使用loc访问特定行和列
print(df.loc[0, 'Name'])  # Alice
# 使用iloc访问特定位置的行和列
print(df.iloc[1, 1])  # 30
# 切片操作
print(df.loc[1:3, 'Name'])  # Bob    Bob
                            # Charlie  Charlie
                            # Name: Name, dtype: object
print(df.iloc[1:3, 1:3])
#     Age  Salary
# 1    30    60000
# 2    35    70000

三、筛选数据

DataFrame提供了多种筛选数据的方法，如布尔索引、条件筛选等。

# 布尔索引
print(df[df['Age'] > 30])
#      Name  Age  Salary
# 2  Charlie   35   70000
# 条件筛选
print(df.query('Age > 28'))
#      Name  Age  Salary
# 1     Bob   30   60000
# 2  Charlie   35   70000

四、排序

DataFrame支持按照某列或多列进行排序。

# 按照Age列升序排序
print(df.sort_values('Age'))
# 按照Age列降序排序
print(df.sort_values('Age', ascending=False))
# 按照多列排序
print(df.sort_values(by=['Age', 'Salary'], ascending=[True, False]))

五、数据变换

Pandas提供了丰富的数据变换功能，如数据清洗、数据转换等。

# 数据清洗：删除空值
print(df.dropna())
# 数据转换：添加新列
df['Bonus'] = df['Salary'] * 0.1
print(df)

这只是Pandas DataFrame的基本操作指南的第一部分，后续我们还会深入探讨DataFrame的高级功能和优化技巧。希望本文能帮助你快速掌握DataFrame的核心功能，为你的数据分析之旅打下坚实的基础。