pandas在python中的用法

import pandas as pd

# 创建一个简单的 DataFrame
data = {
    '姓名': ['张三', '李四', '王五'],
    '年龄': [28, 34, 22],
    '城市': ['北京', '上海', '广州']
}
df = pd.DataFrame(data)

# 显示 DataFrame 的前几行
print("显示 DataFrame 的前几行:")
print(df.head())

# 获取基本信息
print("\n获取 DataFrame 的基本信息:")
print(df.info())

# 统计描述
print("\n统计描述:")
print(df.describe())

# 筛选数据
filtered_df = df[df['年龄'] > 25]
print("\n筛选年龄大于25岁的数据:")
print(filtered_df)

# 添加新列
df['职业'] = ['工程师', '设计师', '教师']
print("\n添加新列后的 DataFrame:")
print(df)

# 按列分组并计算平均值
grouped = df.groupby('城市')['年龄'].mean()
print("\n按城市分组并计算平均年龄:")
print(grouped)

# 排序
sorted_df = df.sort_values(by='年龄', ascending=False)
print("\n按年龄降序排列的 DataFrame:")
print(sorted_df)

解释说明：

1. 创建 DataFrame：

   • 使用 pd.DataFrame() 方法将字典转换为 DataFrame。

2. 显示 DataFrame 的前几行：

   • df.head() 可以查看 DataFrame 的前几行，默认显示前 5 行。

3. 获取基本信息：

   • df.info() 提供 DataFrame 的基本信息，包括每列的数据类型和非空值的数量。

4. 统计描述：

   • df.describe() 提供数值列的基本统计信息，如均值、标准差、最小值、最大值等。

5. 筛选数据：

   • 使用布尔索引 df[df['年龄'] > 25] 筛选出年龄大于 25 岁的行。

6. 添加新列：

   • 直接给 DataFrame 添加新列，例如 df['职业']。

7. 按列分组并计算平均值：

   • 使用 groupby() 方法按某一列分组，并对另一列进行聚合操作，如计算平均值。

8. 排序：

   • 使用 sort_values() 方法按某一列进行排序，ascending=False 表示降序排列。