Pandas教程二 ：在项目中与字典的组合用法

1. 创建DataFrame：

   import pandas as pd
   
   # 从字典创建DataFrame
   data = {'Name': ['John', 'Alice', 'Bob'],
           'Age': [25, 30, 22],
           'City': ['New York', 'San Francisco', 'Los Angeles']}
   
   df = pd.DataFrame(data)
   

   这里通过将字典的键值对映射到DataFrame的列，创建了一个包含姓名、年龄和城市信息的DataFrame。

2. 访问和修改数据：

   # 访问特定列
   names = df['Name']
   
   # 访问特定行
   row = df.iloc[0]
   
   # 修改数据
   df.at[0, 'Age'] = 26
   

   通过DataFrame的列名或行索引，可以轻松访问和修改数据。

3. 过滤和选择数据：

   # 过滤年龄大于25的行
   filtered_df = df[df['Age'] > 25]
   
   # 选择满足条件的特定列
   selected_data = df.loc[df['Age'] > 25, ['Name', 'City']]
   

   使用条件语句可以过滤和选择满足特定条件的数据。

4. 合并和连接数据：

   # 合并两个DataFrame
   other_data = {'Name': ['Eve', 'Charlie'],
                 'Age': [28, 35],
                 'City': ['Chicago', 'Seattle']}
   other_df = pd.DataFrame(other_data)
   
   merged_df = pd.concat([df, other_df], ignore_index=True)
   

   使用pd.concat()函数可以将两个DataFrame水平或垂直合并。

5. 将DataFrame转换为字典：

   # 将DataFrame转换为字典
   df_dict = df.to_dict()
   

   使用to_dict()方法可以将整个DataFrame转换为一个字典，其中列名是键，列数据是值。

6. 将字典转换为DataFrame：

   # 将字典转换为DataFrame
   new_data = {'Name': 'Mike', 'Age': 32, 'City': 'Boston'}
   new_df = pd.DataFrame([new_data])
   

   使用pd.DataFrame()构造函数可以将字典数据转换为DataFrame。