一、DataFrame 的基本概念
pd.DataFrame是 Pandas 库中的一个类，用于创建和操作数据框（DataFrame）。DataFrame 是 Pandas 的核心数据结构，用于以表格形式和处理数据，类似提供电子表格或数据库表格。类了创建pd.DataFrame数据框、访问数据、进行数据操作和分析的方法和属性。
二、DataFrame 的重要特点
表格形式：DataFrame是一个二维表格，其中包含了多行和多列的数据。每个列可以有不同的数据类型，例如整数、浮点数、字符串等。
标签：DataFrame的行和列都有标签（Label），行标签称为索引（Index），列标签通常是字段名或特征名。
数据操作：DataFrame提供了丰富的数据操作方法，包括数据筛选、切片、合并、分组、聚合、排序等。
数据查看：您可以使用.head()方法来查看DataFrame的前几行数据，以了解数据的结构和内容。
数据统计：DataFrame提供了.describe()方法，用于生成数据的统计摘要信息，包括均值、标准差、简单、顶点等。
数据过滤：你可以使用条件表达式来过滤数据，例如选择满足特定条件的行。
数据可视化：Pandas 与其他数据可视化库（如 Matplotlib 和 Seaborn）结合使用，可以轻松创建各种图表和可视化，以探索和传输数据。
数据导入和导出：DataFrame可以从各种数据源导入数据，如CSV文件、Excel表格、SQL数据库等，并且可以将数据导出为不同格式的文件。
数据恢复处理：DataFrame提供了处理数据中的恢复值的方法，如删除恢复值或恢复恢复值。
数据索引：DataFrame可以使用行索引和列标签来访问特定的数据元素。
数据转换：您可以对DataFrame进行各种数据转换操作，如数据类型转换、列重命名、数据透视表等。
三、DataFrame 的具体代码操作
1.创建空的数据框：
import pandas as pddf = pd.DataFrame()print(df)# 运行结果'''Empty DataFrameColumns: []Index: []'''这将创建一个空的数据框，可以在后续添加数据。
2.从创建列表数据框：
import pandas as pddata = [['Alice', 25], ['Bob', 30], ['Charlie', 35]]df = pd.DataFrame(data, columns=['Name', 'Age'])print(df)# 运行结果''' Name Age0 Alice 251 Bob 302 Charlie 35'''这将创建一个包含姓名和年龄列的数据框。
3.从字典创建数据框：
import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}df = pd.DataFrame(data)print(df)# 运行结果''' Name Age0 Alice 251 Bob 302 Charlie 35'''这将创建一个与上述示例相同的数据框。
4.访问数据：
import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}df = pd.DataFrame(data)a = df['Name'] # 获取 'Name' 列的数据b = df.loc[0] # 获取第一行的数据print(a)print(b)# 运行结果'''0 Alice1 Bob2 CharlieName: Name, dtype: objectName AliceAge 25Name: 0, dtype: object'''5.数据操作：
import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}df = pd.DataFrame(data)a = df['Age'].mean() # 计算 'Age' 列的平均值b = df.sort_values(by='Age', ascending=False) # 按 'Age' 列排序,ascending=True是从小到大，ascending=False是从大到小print(a)print(b)# 运行结果'''30.0 Name Age2 Charlie 351 Bob 300 Alice 25'''6.数据查看：
import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}df = pd.DataFrame(data)a = df.head(2) # 查看前几行数据，df.head()默认为前5行b = df.tail(2) # 查看后3行数据print(a)print(b)# 运行结果''' Name Age0 Alice 251 Bob 30 Name Age1 Bob 302 Charlie 35'''7.数据统计：
import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}df = pd.DataFrame(data)c=df.describe() # 生成数据的统计摘要信print(c)# 运行结果'''Agecount 3.0mean 30.0std 5.0min 25.025% 27.550% 30.075% 32.5max 35.0'''这些是一些常见的最有效pd.DataFrame示例，Pandas 提供了丰富的高效方法和功能，使你能够进行数据处理和分析。数据科学、机器学习、统计分析等领域中经常使用 Pandas 数据框来处理和分析数据。