python pandas库用法

import pandas as pd

# 创建一个简单的 DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)

# 显示 DataFrame 的前几行
print(df.head())

# 访问某一列的数据
ages = df['Age']
print(ages)

# 过滤数据，例如选择年龄大于30的行
filtered_df = df[df['Age'] > 30]
print(filtered_df)

# 添加新列
df['Salary'] = [70000, 80000, 90000]
print(df)

# 删除列
df.drop(columns=['City'], inplace=True)
print(df)

# 统计描述
description = df.describe()
print(description)

# 排序
sorted_df = df.sort_values(by='Age', ascending=False)
print(sorted_df)

# 分组并聚合
grouped = df.groupby('Age').mean()
print(grouped)

解释说明：

1. 创建 DataFrame：我们使用字典创建了一个包含姓名、年龄和城市的简单数据表。
2. 显示 DataFrame 的前几行：head() 方法用于查看 DataFrame 的前几行，默认显示前 5 行。
3. 访问某一列的数据：通过 df['列名'] 可以获取指定列的数据。
4. 过滤数据：通过布尔索引可以筛选出符合条件的行。
5. 添加新列：可以直接赋值给新的列名来添加新列。
6. 删除列：使用 drop() 方法可以删除指定的列。
7. 统计描述：describe() 方法提供了一些基本的统计信息，如均值、标准差等。
8. 排序：sort_values() 方法可以根据指定的列对 DataFrame 进行排序。
9. 分组并聚合：groupby() 方法可以将数据按某个或某些列进行分组，然后使用聚合函数（如 mean()）计算每个分组的汇总统计。

以上代码展示了 Pandas 库中一些常见的操作。