Python pandas DataFrame操作的实现代码

Python pandas DataFrame 操作的实现代码攻略

为了进行Python pandas DataFrame操作，首先需要导入pandas模块。常用的pandas模块操作有以下几种：

1. 创建DataFrame：在pandas模块中，可以通过list、dict和CSV文件创建DataFrame。

2. 读取CSV文件并创建DataFrame：pandas模块中的read_csv函数可以从一个CSV文件中读取数据，并创建为DataFrame。

3. 数据查看：可以通过head、tail函数、describe函数查看DataFrame的数据和统计信息。

4. 数据选择和切片：可以通过loc、iloc、ix进行数据的选择和切片。

5. 数据筛选和过滤：可以通过条件语句对DataFrame的数据进行筛选和过滤。

6. 添加和删除行列：可以通过loc、iloc和drop函数来添加和删除DataFrame的行列。

7. 数据合并和连接：可以通过concat、merge函数来进行DataFrame的数据合并和连接。

下面分别举例说明几种常见的pandas DataFrame操作：

示例一：创建DataFrame

import pandas as pd

data = {
    'name':['张三', '李四', '王五'],
    'age':[21, 22, 23],
    'gender':['男', '女', '男']
}

df = pd.DataFrame(data)

print(df)

输出结果：

  name  age gender
0   张三   21      男
1   李四   22      女
2   王五   23      男

示例二：数据筛选和过滤

import pandas as pd

data = {
    'name':['张三', '李四', '王五'],
    'age':[21, 22, 23],
    'gender':['男', '女', '男']
}

df = pd.DataFrame(data)

# 筛选年龄大于等于22的数据
df = df[df['age'] >= 22]

print(df)

输出结果：

  name  age gender
1   李四   22      女
2   王五   23      男

以上是两个常见的pandas DataFrame操作代码示例，更多操作请参考pandas官方文档。