HoRain云--Pandas DataFrame：数据分析的利器

云夏之末

504人浏览 · 2026-03-23 09:22:37

云夏之末 · 2026-03-23 09:22:37 发布

🎬 HoRain云小助手：个人主页

🔥 个人专栏: 《Linux 系列教程》《c语言教程》

⛺️生活的理想，就是为了理想的生活!

⛳️ 推荐

前些天发现了一个超棒的服务器购买网站，性价比超高，大内存超划算！忍不住分享一下给大家。点击跳转到网站。

专栏介绍

专栏名称	专栏介绍
《C语言》	本专栏主要撰写C干货内容和编程技巧，让大家从底层了解C，把更多的知识由抽象到简单通俗易懂。
《网络协议》	本专栏主要是注重从底层来给大家一步步剖析网络协议的奥秘，一起解密网络协议在运行中协议的基本运行机制！
《docker容器精解篇》	全面深入解析 docker 容器，从基础到进阶，涵盖原理、操作、实践案例，助您精通 docker。
《linux系列》	本专栏主要撰写Linux干货内容，从基础到进阶，知识由抽象到简单通俗易懂，帮你从新手小白到扫地僧。
《python 系列》	本专栏着重撰写Python相关的干货内容与编程技巧，助力大家从底层去认识Python，将更多复杂的知识由抽象转化为简单易懂的内容。
《试题库》	本专栏主要是发布一些考试和练习题库（涵盖软考、HCIE、HRCE、CCNA等）

DataFrame 是 Pandas 库中最核心的数据结构，你可以将它理解为一个二维的、带标签的、大小可变的电子表格或 SQL 表。

核心概念与特点

表格结构：由行和列组成，类似于 Excel 工作表。
带标签的轴：
- 行标签：称为索引（index）。
- 列标签：称为列名（columns）。
列类型灵活：每一列可以是不同的数据类型（整数、浮点数、字符串、布尔值等），但同一列内的数据类型通常是一致的。
大小可变：可以动态地增加/删除行或列。

如何创建一个 DataFrame

最常用的方法是从字典创建：

import pandas as pd

# 从字典创建
data = {
    '姓名': ['小明', '小红', '小刚'],
    '年龄': [25, 23, 28],
    '城市': ['北京', '上海', '广州']
}
df = pd.DataFrame(data)
print(df)

输出：

姓名  年龄  城市
0  小明  25  北京
1  小红  23  上海
2  小刚  28  广州

关键操作

查看数据
- df.head()：查看前几行。
- df.tail()：查看后几行。
- df.info()：查看数据摘要（行数、列类型、内存等）。
- df.describe()：生成数值型列的统计摘要（计数、均值、标准差等）。
选择数据
- 选择列：df['姓名']或 df.姓名
- 选择行：
  - 按标签：df.loc[0]
  - 按位置：df.iloc[0]
- 条件筛选：df[df['年龄'] > 24]
增删数据
- 新增列：df['入职年份'] = 2023
- 删除列：df.drop('城市', axis=1, inplace=True)
- 删除行：df.drop(0, axis=0, inplace=True)
处理缺失值
- df.isnull()：检查缺失值。
- df.fillna(0)：用指定值（如0）填充缺失值。
- df.dropna()：删除包含缺失值的行。
数据合并与分组
- pd.concat([df1, df2])：连接多个DataFrame。
- pd.merge(df1, df2, on='key')：基于键合并，类似 SQL JOIN。
- df.groupby('城市')['年龄'].mean()：按“城市”分组，并计算“年龄”的平均值。