python&Pandas四：数据操作与转换

当涉及到数据操作和转换时，Pandas提供了许多有用的功能。以下是一些示例说明：

1.数据选择和操作：

import pandas as pd

# 创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)

# 使用loc[]基于标签，进行数据选择和操作***包含结束点，loc含结束点loc[索引，[所需字段]]
print(df.loc[0])  # 选择第一行的数据
print(df.loc[:, 'Age'])  # 选择'Age'列的数据
print(df.loc[df['Age'] > 25, ['Name', 'City']])  # 根据条件过滤和选择数据
####loc含结束点loc[df[字段]条件，[所需字段]]

# 使用iloc[]基于整数位置，进行数据选择和操作****不包含结束点
print(df.iloc[1])  # 选择第二行的数据
print(df.iloc[:, 1])  # 选择第二列的数据
print(df.iloc[0:2, :])  # 选择前两行的数据

# 根据条件进行数据过滤
filtered_data = df[df['Age'] > 25]
print(filtered_data)

2.数据转换和合并：

import pandas as pd

# 创建示例DataFrame
data1 = {'ID': [1, 2, 3],
         'Name': ['Alice', 'Bob', 'Charlie']}
data2 = {'ID': [2, 3, 4],
         'City': ['London', 'Paris', 'Berlin']}
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

# 使用apply()进行数据转换
df1['Name'] = df1['Name'].apply(lambda x: x.upper())
print(df1)

# 使用merge()进行数据合并
merged_data = pd.merge(df1, df2, on='ID')
print(merged_data)

这些示例演示了一些常见的数据操作和转换方法。通过使用Pandas提供的功能，您可以根据需求选择、操作和转换数据，以满足特定的数据处理任务。请注意，这只是Pandas提供的众多功能之一，还有更多强大的方法可用于数据操作和转换。