Python Pandas中的数据框架属性

接下来我会为你详细讲解Python Pandas中的数据框架属性，同时给出实例说明。

Python Pandas是一个基于Numpy的数据处理和分析工具，其中最重要的数据结构是数据框架DataFrame。数据框架是一种二维表格结构，每列可以是不同的数据类型（如整数、浮点数、字符串等），其类似于Excel或SQL表。下面就是一些关于数据框架属性详细讲解以及示例说明：

1. 创建数据框架

• 使用Python字典创建数据框架

示例：

python
import pandas as pd
data = {'name': ['Jack', 'Lucy', 'Tom', 'Jerry'], 'age': [18, 20, 19, 22]}
df = pd.DataFrame(data)

• 使用numpy数组创建数据框架

示例：

python
import pandas as pd
import numpy as np
data = np.array([[1, 'Alex', 60], [2, 'Bob', 70], [3, 'Ted', 80], [4, 'Jake', 75]])
df = pd.DataFrame(data, columns=['ID', 'Name', 'Score'])

2. 查看数据框架

• 查看前n行数据：head(n)

示例：

python
df.head(2) # 查看前2行数据

• 查看后n行数据：tail(n)

示例：

python
df.tail(3) # 查看后3行数据

• 查看数据框架的形状（行数、列数）：shape

示例：

python
df.shape # 返回(4, 3)，表示该数据框架有4行3列

• 查看数据框架的列名：columns

示例：

python
df.columns # 返回['ID', 'Name', 'Score']，表示该数据框架有三列，分别为ID, Name, Score

3. 数据框架数据选择和过滤

• 列选择：使用列名或列索引

示例：

python
df['ID'] # 返回ID列的所有数据
df[['ID', 'Score']] # 返回ID和Score列的所有数据
df.iloc[:, 2] # 返回第三列所有数据

• 行选择：使用行索引或行标签

示例：

python
df.loc[0] # 返回第一行数据
df[1:3] # 返回2-3行的数据（不包含第4行）

• 条件过滤

示例：

python
df[df['Score'] >= 75] # 返回Score列大于等于75的所有行
df[(df['Score'] >= 70) & (df['Score'] <= 80)] # 返回Score列在70-80之间的所有行

4. 数据框架数据处理

• 添加列

示例：

python
df['Grade'] = pd.Series(['A', 'B', 'C', 'B'])

• 删除列

示例：

python
df.drop('Grade', Axis=1, inplace=True) # 删除Grade列

• 修改列

示例：

python
df['Score'] = df['Score'] * 1.1 # 将Score列每个元素都乘1.1

5. 数据框架数据统计

• 描述性统计

示例：

python
df.describe() # 返回数据框架的描述性统计信息，包括均值、方差、最大值、最小值等

• 分组统计

示例：

python
groupby = df.groupby(['Grade'])
groupby['Score'].max() # 返回每个等级（Grade）的最大分数
groupby['Score'].mean() # 返回每个等级（Grade）的分数平均值

以上就是关于Python Pandas中数据框架属性的详细攻略以及实例说明，希望对你有所帮助。