当前博文未提及该问题，以下是基于C知道的知识内容为您回答。 DataFrame 是 Python 数据分析库 Pandas 中的核心数据结构，它是一个二维的、大小可变、可以包含异构类型数据的表格型数据结构，并且具有带标签的轴（行和列）。您可以将其理解为一个功能强大的、可进行复杂操作的“超级电子表格”或内存中的关系型数据表 [ref_2][ref_4]。 ### 一、DataFrame的核心特性 DataFrame 的设计灵感来源于 R 语言的 `data.frame`，并吸收了电子表格和 SQL 表的特点。其主要特性如下表所示： | 特性 | 描述 | | :--- | :--- | | **二维结构** | 由行（index）和列（columns）组成的表格。 | | **异构数据** | 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一致。 | | **带标签的轴** | 行和列都拥有标签（索引），方便通过标签进行数据的定位和选择。 | | **大小可变** | 可以动态地插入或删除行、列。 | | **强大的数据对齐** | 基于标签的自动对齐功能，在进行运算时非常重要。 | | **缺失数据处理** | 原生支持 `NaN`（Not a Number）来表示缺失数据，并提供了丰富的处理缺失值的方法。 | ### 二、DataFrame的创建方式 创建 DataFrame 有多种方法，以下是一些最常用的方式 [ref_3][ref_4][ref_5]： #### 1. 从字典创建 这是最直观的方式之一，字典的键（key）将成为列名，值（value）通常是列表或数组，成为该列的数据。 ```python import pandas as pd import numpy as np # 示例：从字典创建，字典值是列表 [ref_3] data = { ‘姓名‘: [‘张三‘, ‘李四‘, ‘王五‘], ‘年龄‘: [25, 30, 35], ‘城市‘: [‘北京‘, ‘上海‘, ‘广州‘], ‘月薪‘: [8000.0, 12000.5, 9500.0] } df_from_dict = pd.DataFrame(data) print(“从字典创建的DataFrame:“) print(df_from_dict) ``` #### 2. 从列表的列表创建 提供一个二维列表，并指定列名。 ```python # 示例：从二维列表创建 [ref_2] data_list = [ [‘A001‘, ‘张三‘, 25], [‘A002‘, ‘李四‘, 30], [‘A003‘, ‘王五‘, 35] ] df_from_list = pd.DataFrame(data_list, columns=[‘工号‘, ‘姓名‘, ‘年龄‘]) print(“\n从列表创建的DataFrame:“) print(df_from_list) ``` #### 3. 从 Series 字典创建 每个 Series 对象成为一列，Series 的索引将自动对齐。 ```python # 示例：从Series字典创建 s1 = pd.Series([25, 30, 35], name=‘年龄‘) s2 = pd.Series([‘北京‘, ‘上海‘, ‘广州‘], name=‘城市‘) df_from_series = pd.DataFrame({s1.name: s1, s2.name: s2}) print(“\n从Series字典创建的DataFrame:“) print(df_from_series) ``` #### 4. 从外部文件读取 这是数据分析和机器学习项目中最常见的创建方式，Pandas 支持读取多种格式的数据。 ```python # 示例：从CSV文件读取 [ref_2] # df = pd.read_csv(‘data.csv‘, encoding=‘utf-8‘) # 示例：从Excel文件读取 [ref_2] # df = pd.read_excel(‘data.xlsx‘, sheet_name=‘Sheet1‘) ``` ### 三、DataFrame的基本属性和查看方法 创建 DataFrame 后，您需要快速了解其结构和内容。 | 属性/方法 | 描述 | 示例代码 | | :--- | :--- | :--- | | **`.shape`** | 返回一个元组，表示DataFrame的维度（行数，列数）。 | `df.shape` [ref_3] | | **`.columns`** | 返回列索引对象，即所有列名的列表。 | `df.columns` [ref_3] | | **`.index`** | 返回行索引对象。 | `df.index` [ref_3] | | **`.dtypes`** | 返回每列的数据类型。 | `df.dtypes` [ref_3] | | **`.head(n)`** | 返回前n行数据，默认为5行。 | `df.head(3)` [ref_3] | | **`.tail(n)`** | 返回后n行数据，默认为5行。 | `df.tail(3)` [ref_3] | | **`.info()`** | 打印DataFrame的简明摘要，包括索引、列、非空值数量和内存使用情况。 | `df.info()` [ref_3] | | **`.describe()`** | 生成描述性统计摘要，仅针对数值型列。 | `df.describe()` | ### 四、DataFrame的核心操作示例 #### 1. 数据选择与索引 这是 DataFrame 最核心的操作之一，主要通过 `loc`（基于标签）和 `iloc`（基于整数位置）进行。 ```python # 假设 df 是上面从字典创建的 ‘df_from_dict‘ # 选择单列，返回一个 Series ages = df_from_dict[‘年龄‘] print(“选择‘年龄‘列:“, ages.values) # 使用 loc 通过标签选择数据 [ref_4] # 选择 ‘李四‘ 这一行的所有列 row_lisi = df_from_dict.loc[df_from_dict[‘姓名‘] == ‘李四‘] print(“\n选择姓名为‘李四‘的行:“) print(row_lisi) # 使用 iloc 通过整数位置选择数据 [ref_4] # 选择第一行，所有列 first_row = df_from_dict.iloc[0] print(“\n选择第一行:“) print(first_row) # 选择前两行，前两列 subset = df_from_dict.iloc[0:2, 0:2] print(“\n选择前两行和前两列:“) print(subset) ``` #### 2. 处理缺失值 现实数据中经常存在缺失值，Pandas 使用 `NaN` 表示。 ```python # 创建一个包含缺失值的DataFrame [ref_5] df_with_nan = pd.DataFrame({ ‘A‘: [1, 2, np.nan, 4], ‘B‘: [5, np.nan, np.nan, 8], ‘C‘: [10, 20, 30, 40] }) print(“原始包含缺失值的DataFrame:“) print(df_with_nan) # 检查缺失值 print(“\n缺失值检查（True表示缺失）:“) print(df_with_nan.isnull()) # 填充缺失值，例如用列的平均值填充 [ref_5] df_filled = df_with_nan.fillna(df_with_nan.mean()) print(“\n用列平均值填充缺失值后:“) print(df_filled) # 删除包含缺失值的行 df_dropped = df_with_nan.dropna() print(“\n删除包含缺失值的行后:“) print(df_dropped) ``` #### 3. 数据合并与连接 在数据分析中，经常需要将多个数据源合并。Pandas 提供了 `concat` 和 `merge` 等方法。 ```python # 创建两个示例DataFrame df1 = pd.DataFrame({‘key‘: [‘K0‘, ‘K1‘, ‘K2‘], ‘A‘: [‘A0‘, ‘A1‘, ‘A2‘]}) df2 = pd.DataFrame({‘key‘: [‘K0‘, ‘K1‘, ‘K3‘], ‘B‘: [‘B0‘, ‘B1‘, ‘B3‘]}) # 使用merge进行类似SQL JOIN的合并 [ref_6] # 内连接 (inner join)，只保留两个表都有的key inner_merged = pd.merge(df1, df2, on=‘key‘, how=‘inner‘) print(“内连接(inner join)结果:“) print(inner_merged) # 使用concat进行轴向拼接 [ref_6] # 沿行方向（axis=0）拼接，增加行数 concatenated = pd.concat([df1, df2], axis=0, ignore_index=True) print(“\n沿行方向拼接结果:“) print(concatenated) ``` ### 五、DataFrame在实际场景中的应用 以一个简单的销售数据分析为例： ```python # 模拟销售数据 sales_data = { ‘日期‘: pd.date_range(‘2023-10-01‘, periods=5), ‘产品‘: [‘手机‘, ‘笔记本‘, ‘手机‘, ‘平板‘, ‘笔记本‘], ‘销售额‘: [5000, 8000, 5200, 3000, 8500], ‘数量‘: [10, 5, 12, 8, 6] } sales_df = pd.DataFrame(sales_data) # 1. 计算每个产品的总销售额和平均销售额 product_summary = sales_df.groupby(‘产品‘)[‘销售额‘].agg([‘sum‘, ‘mean‘]).round(2) product_summary.columns = [‘总销售额‘, ‘平均销售额‘] print(“按产品汇总的销售额:“) print(product_summary) # 2. 筛选出销售额大于5000的记录 high_sales = sales_df[sales_df[‘销售额‘] > 5000] print(“\n销售额大于5000的记录:“) print(high_sales) # 3. 新增一列‘单价‘ sales_df[‘单价‘] = sales_df[‘销售额‘] / sales_df[‘数量‘] print(“\n新增‘单价‘列后的数据:“) print(sales_df) ``` 通过上述详尽的介绍和示例，可以看出 DataFrame 是一个功能极其强大且灵活的数据容器。它不仅是存储数据的工具，更集成了数据清洗、转换、分析、可视化（结合 Matplotlib/Seaborn）等一系列操作的核心接口，是使用 Python 进行数据科学和数据分析不可或缺的基石。