1、DataFrame 简介
DataFrame 是 Pandas 中最核心的数据结构之一，表示一种二维的表格数据，类似于 Excel 表、SQL 表或一张数据库表，由行索引（index）和列标签（columns）组成。
1）通过列表嵌套创建
import pandas as pd data = [['张三', 21, '男'], ['李四', 26, '女'], ['王五', 33, '男']] df = pd.DataFrame(data) print(df)
输出：
0 1 2 0 张三 21 男 1 李四 26 女 2 王五 33 男
2）通过字典创建
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie'],
'age': [25, 30, 35]
}
df = pd.DataFrame(data)
print(df)2、loc定位行
从上面的结果可以看出，DataFrame就像是一个具有行和列的表。
Pandas使用loc属性返回一个或多个指定行
例如：
返回第0行：
print(df.loc[0])
输出：
0 张三 1 21 2 男 Name: 0, dtype: object None
注意：此示例返回Pandas Series。
例如：
返回第0行和第1行：
print(df.loc[[0, 1]])
输出：
0 1 2 0 张三 21 男 1 李四 26 女
注意：使用[]时，结果是熊猫DataFrame。
3、命名索引和列名
使用columns和index参数，可以命名自己的列名和索引。
例如：
添加名称列表，为每一行命名：
import pandas as pd data = [['张三', 21, '男'], ['李四', 26, '女'], ['王五', 33, '男']] df = pd.DataFrame(data, columns=['姓名', '年龄', '性别'], index=['a', 'b', 'c']) print(df)
输出：
姓名 年龄 性别 a 张三 21 男 b 李四 26 女 c 王五 33 男
4、定位命名索引
在loc属性中使用命名索引返回指定的行。
例如：
输出 "a":
print(df.loc["a"])
输出：
姓名 张三 年龄 21 性别 男 Name: a, dtype: object
5、将文件加载到DataFrame
如果数据集存储在文件中，Pandas可以将它们加载到DataFrame中。
例如：
将逗号分隔的文件（CSV文件）加载到DataFrame中：
import pandas as pd
df = pd.read_csv('data.csv')
print(df)查看数据结构
import pandas as pd
# 创建一个示例 DataFrame
data = {
'name': ['a', 'b', 'c', 'd', 'e', 'f'],
'age': [25, 30, 35, 40, 22, 28],
'score': [88, 92, 95, 70, 85, 90]
}
df = pd.DataFrame(data)
# 查看前5行数据
print("前5行数据：")
print(df.head())
# 查看最后3行数据
print("\n最后3行数据：")
print(df.tail(3))
# 查看行列数
print("\n数据形状（行数, 列数）：")
print(df.shape)
# 查看DataFrame结构信息
print("\n数据结构信息：")
df.info()
# 查看数据的统计摘要
print("\n数据描述统计：")
print(df.describe())
相关文档：