【第二月_day7】Pandas 简介与数据结构_Pandas_ day1

以下是专为小白设计的 Pandas 简介与数据结构 学习内容，用最通俗的语言和案例讲解核心概念：

一、安装 Pandas

1. 安装方法

• 打开电脑的命令提示符（Windows）或终端（Mac/Linux）
• 输入以下命令并回车：

  pip install pandas
  

• 安装完成后，输入 python 进入 Python 环境，输入 import pandas as pd 验证是否成功（不报错即可）

二、Pandas 的核心数据结构

1. Series（一维数据）

• 定义：像一个带标签的列表，比如一列Excel数据

• 创建方法：

  import pandas as pd
  
  # 用列表创建
  s1 = pd.Series([10, 20, 30, 40])
  
  # 自定义索引（类似给数据加名字）
  s2 = pd.Series([5, 3, 8], index=['苹果', '香蕉', '橘子'])
  

• 基础操作：

  # 查看数据
  print(s2.values)  # 输出数据：[5, 3, 8]
  print(s2.index)   # 输出索引：['苹果', '香蕉', '橘子']
  
  # 按索引取值
  print(s2['香蕉'])  # 输出 3
  
  # 简单计算
  print(s2 + 2)     # 所有数据加2 → 苹果7, 香蕉5, 橘子10
  

2. DataFrame（二维表格）

• 定义：像 Excel 表格，由多列 Series 组成

• 创建方法：

  # 用字典创建（最常用）
  data = {
    '姓名': ['张三', '李四', '王五'],
    '年龄': [20, 25, 22],
    '城市': ['北京', '上海', '广州']
  }
  df = pd.DataFrame(data)
  

• 显示表格：

  print(df)
  # 输出：
  #    姓名  年龄  城市
  # 0 张三  20  北京
  # 1 李四  25  上海
  # 2 王五  22  广州
  

• 核心概念：

  • 列名：表格的标题（如‘姓名’、‘年龄’）
  • 索引：最左边的数字（0,1,2），类似行号

三、Series vs DataFrame

四、DataFrame 的常用操作

1. 查看数据

df.head(2)    # 查看前2行
df.tail(1)    # 查看最后1行
df.shape      # 显示表格形状（行数, 列数）

2. 选择数据

# 选择列
df['姓名']     # 获取“姓名”列（返回Series）
df[['姓名', '年龄']]  # 选择多列（返回DataFrame）

# 选择行
df.iloc[0]    # 通过数字索引选第1行
df.loc[0]     # 同上（简单场景）

3. 添加/删除列

# 添加新列
df['性别'] = ['男', '女', '男']

# 删除列
df.drop('城市', axis=1, inplace=True)  # axis=1表示列

4. 读取文件（实战）

# 读取CSV文件（比如从Excel导出的数据）
df = pd.read_csv('data.csv')

五、小练习

1. 创建一个 Series，记录一周温度：周一18℃，周二20℃，周三22℃
2. 创建一个 DataFrame，包含三列：商品名称（苹果、香蕉）、价格（5、3）、库存（10、8）
3. 尝试从 DataFrame 中筛选出价格大于4元的商品

通过这个教程，你已经能用 Pandas 处理简单的表格数据啦！下一步可以学习数据清洗和统计计算 🚀