Python数据处理：Pandas库操作基础案例

原创 àì夳堔傛蜴生んèń 2025-01-07 12:06 79阅读 0赞

Pandas是Python中一个非常重要的数据分析和处理库。下面，我们通过几个基础案例来了解Pandas的使用。

1. 导入Pandas和创建 DataFrame

  1. import pandas as pd
  3. # 创建一个简单的DataFrame，包含姓名和年龄
  4. data = {'Name': ['Alice', 'Bob', 'Charlie'],
  5.                         'Age': [25, 30, 35]}
  6. df = pd.DataFrame(data)
  8. print(df)

输出：

  1.    Name  Age
  2. 0  Alice   25
  3. 1    Bob   30
  4. 2  Charlie   35

2. 数据查看和基本操作

  • 查看数据概览
  1. print(df.head())  # 输出前五行
  • 描述性统计
  1. print(df.describe())  # 输出每列的描述统计信息
  • 合并/拼接DataFrame
  1. # 水平合并（根据某一列合并）
  2. df_hmerge = pd.merge(df, df, on='Name')
  4. # 垂直拼接（添加新的一列，值为原列的组合）
  5. df_vconcat = pd.concat([df, df['Age'] + 5]], axis=1)
  7. print(df_hmerge)
  8. print(df_vconcat)

3. 数据过滤和切片

  • 筛选特定条件的行
  1. filtered_df = df[df['Age'] > 30]]
  3. print(filtered_df)
  • 切片获取特定范围的数据
  1. sliced_df = df.iloc[1:4]  # 获取索引从2到3的行
  3. print(sliced_df)

通过以上案例，你应该对Pandas在Python中数据处理的基本操作有了深入的理解。

文章版权声明：注明蒲公英云原创文章，转载或复制请以超链接形式并注明出处。

发表评论

表情：
评论列表 （有 0 条评论，79人围观）

还没有评论，来说两句吧...

相关阅读