Day27：Pandas数据处理函数

在上一节中，我们学习了pandas的两种数据结构，学会了如何利用padnas读写文件，这一节我们将正式利用pandas处理数据。在数据分析中，pandas提供了丰富的数据处理函数，用于对数据进行查看、索引、选择、切片、过滤、排序、分组聚合、合并以及数学统计等操作，就让我们一起来学习一下。

1. 数据查看与索引

对于DataFrame类型的数据，我们可以直接全部打印整个表格，但是有时候表格很大没必要全部查看，我们可以打印标签前几行或者后几行，甚至通过列名、行号之类的进行索引，这样查看起来就会方便很多。

1.1查看数据

• head(n)：查看前n行数据，默认显示前5行。
• tail(n)：查看后n行数据，默认显示后5行。

import pandas as pd

data = {
    'A': [1, 2, 3, 4, 5],
    'B': ['a', 'b', 'c', 'd', 'e']
}
df = pd.DataFrame(data)

# 查看前3行数据
print(df.head(3))

# 查看后3行数据
print(df.tail(3))

1.2 索引操作

• 通过列名进行索引：df['列名']。
• 通过行号进行索引：df.loc[行号]。
• 通过条件进行索引：df[条件]，这个在第三节过滤的时候也会讲到。

import pandas as pd

data = {
    'A': [1, 2, 3, 4, 5],
    'B': ['a', 'b', 'c', 'd', 'e']
}
df = pd.DataFrame(data)

# 通过列名进行索引
print(df['A'])

# 通过行号进行索引
print(df.loc[2])

# 通过条件进行索引
print(df[df['A'] > 3])

2. 选择与切片

若是要获取表格的部分数据，可以单独选择其中的几列，只需要通过列名，也可以通过切片的方式访问。

2.1 选择列

• df['列名']：选择单列，返回Series。
• df[['列1', '列2']]：选择多列，返回DataFrame。

import pandas as pd

data = {
    'A': [1, 2, 3, 4, 5],
    'B': ['a', 'b', 'c', 'd', 'e'],
    'C': [10, 20, 30, 40, 50]
}
df = pd.DataFrame(data)

# 选择单列
print(df['A'])

# 选择多列
print(df[['A', 'C']])

2.2 切片行

• df[start:end:step]：切片行，返回DataFrame，同样的第三个参数为步长。

import pandas as pd

data = {
    'A': [