Pandas：基础操作

import pandas as pd
import numpy as np

# 从字典创建
data = {
    '姓名': ['张三', '李四', '王五'],
    '年龄': [25, 30, 35],
    '城市': ['北京', '上海', '广州']
}
df = pd.DataFrame(data)

# 从列表创建
data_list = [
    ['张三', 25, '北京'],
    ['李四', 30, '上海'],
    ['王五', 35, '广州']
]
df = pd.DataFrame(data_list, columns=['姓名', '年龄', '城市'])

print(df)

# 查看前几行
df.head()

# 查看基本信息
df.info()

# 查看统计摘要
df.describe()

# 查看索引
df.index

# 查看列名
df.columns

# 选择单列
ages = df['年龄']

# 选择多列
subset = df[['姓名', '年龄']]

# 条件过滤
young_people = df[df['年龄'] < 30]

# 使用 iloc 按位置选择
first_row = df.iloc[0]  # 第一行
first_two_rows = df.iloc[0:2]  # 前两行
specific_cell = df.iloc[0, 1]  # 第一行第二列

# 使用 loc 按标签选择
row_by_index = df.loc[0]
subset = df.loc[0:2, ['姓名', '年龄']]

# 检查缺失值
df.isna().sum()

# 填充缺失值
df.fillna(0)  # 用 0 填充
df.fillna(method='ffill')  # 用前一个值填充
df.fillna(method='bfill')  # 用后一个值填充

# 删除包含缺失值的行
df.dropna()

# 类型转换
df['年龄'] = df['年龄'].astype(float)

# 应用函数
df['年龄'] = df['年龄'].apply(lambda x: x + 1)

# 重命名列
df = df.rename(columns={'年龄': 'age'})

# 按城市分组并计算年龄平均值
city_stats = df.groupby('城市')['年龄'].mean()

# 多个聚合操作
stats = df.groupby('城市').agg({
    '年龄': ['mean', 'max', 'min'],
    '姓名': 'count'
})

# 只读取需要的列
df = pd.read_csv('data.csv', usecols=['姓名', '年龄'])

# 指定数据类型
df = pd.read_csv('data.csv', dtype={
    '年龄': 'int32',
    '姓名': 'category'
})

# 使用类别类型节省内存
df['城市'] = df['城市'].astype('category')

# 使用较小的数值类型
df['年龄'] = df['年龄'].astype('int32')