Pandas DataFrame 操作练习：创建、访问、统计和转换

本教程将带你一步步学习如何使用 Pandas DataFrame 创建数据结构，并进行一系列基本操作，包括访问元素、查看前几行、统计分析和数据类型转换。

1. 创建 DataFrame

首先，我们使用字典创建 Pandas DataFrame：

import pandas as pd
import numpy as np

data = {'A': [1, 5, 9, 13, 17], 'B': [2, 6, 10, 14, 18], 'C': [3, 7, 11, 15, 19], 'D': [4, 8, 12, 16, 20]}
df = pd.DataFrame(data)

2. 打印 DataFrame

print(df)

输出结果：

| | A | B | C | D | |---|----:|----:|----:|----:| | 0 | 1 | 2 | 3 | 4 | | 1 | 5 | 6 | 7 | 8 | | 2 | 9 | 10 | 11 | 12 | | 3 | 13 | 14 | 15 | 16 | | 4 | 17 | 18 | 19 | 20 |

3. 访问元素

使用 iloc() 函数访问 DataFrame 中的特定元素。例如，访问第零行第零列元素：

print(df.iloc[0, 0])

输出结果：1

4. 查看前几行

使用 head() 函数查看 DataFrame 的前几行数据。例如，查看前三行：

print(df.head(3))

输出结果：

| | A | B | C | D | |---|----:|----:|----:|----:| | 0 | 1 | 2 | 3 | 4 | | 1 | 5 | 6 | 7 | 8 | | 2 | 9 | 10 | 11 | 12 |

5. 统计分析

使用 describe() 函数查看 DataFrame 按列的统计信息，包括数量、缺失值、最小值、最大值、平均值和分位数：

print(df.describe())

输出结果：

           A     B     C     D
count  5.0  5.0  5.0  5.0
mean   9.0  10.0  11.0  12.0
std    6.0  6.0  6.0  6.0
min    1.0  2.0  3.0  4.0
25%    5.0  6.0  7.0  8.0
50%    9.0  10.0  11.0  12.0
75%   13.0  14.0  15.0  16.0
max   17.0  18.0  19.0  20.0

6. 类型转换

使用 values() 函数将 DataFrame 转换为 NumPy 数组：

print(df.values)

输出结果：

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]
 [17 18 19 20]]

通过本教程，你已经掌握了 Pandas DataFrame 的基本操作，包括创建、访问、统计分析和类型转换。这些基础知识将帮助你在数据分析和处理中更高效地使用 Pandas。