### Python Pandas DataFrame 基本用法教程 #### 创建 DataFrame 可以通过多种方式创建 `DataFrame` 对象。以下是几种常见的创建方法： - **字典列表** 使用字典来定义列名及其对应的值，从而构建 `DataFrame`。 ```python import pandas as pd df = pd.DataFrame({ 'Weight': [45, 88, 56, 15, 71], 'Name': ['Sam', 'Andrea', 'Alex', 'Robin', 'Kia'], 'Age': [14, 25, 55, 8, 21] }) print(df) ``` - **NumPy 数组** 利用 NumPy 的多维数组作为输入源之一建立 `DataFrame` 实例[^3]。 ```python import numpy as np import pandas as pd array_data = np.array([[1, 2], [3, 4]]) df_from_array = pd.DataFrame(array_data, columns=['Column_A', 'Column_B']) print(df_from_array) ``` #### 设置索引 可以自定义设置行标签即索引来方便访问特定的数据记录。 ```python index_ = ['Row_1', 'Row_2', 'Row_3', 'Row_4', 'Row_5'] df.index = index_ print(df) ``` #### 获取列标签 利用 `.columns` 属性获取当前 `DataFrame` 中所有的列名称。 ```python column_labels = df.columns print(column_labels) # 输出结果为 Index(['Weight', 'Name', 'Age'], dtype='object') ``` #### 转换为 Numpy 表达形式 有时为了更高效地操作数值型数据集，可借助于`.values` 方法将其转换成纯数值得到二维矩阵表示。 ```python numpy_representation = df.values print(numpy_representation) ``` 上述内容展示了如何基于不同类型的初始数据构造 `pandas` 数据框以及一些基础的操作技巧，这仅仅是入门级介绍；实际上，`pandas` 提供了许多更为复杂而实用的功能等待进一步挖掘和学习[^4]。