DataFrame的常见用途和示例

1. 数据导入和读取：DataFrame可以从各种数据源中导入和读取数据，如CSV文件、Excel文件、数据库等。例如：

   import pandas as pd
   
   # 从CSV文件读取数据
   data = pd.read_csv('data.csv')
   
   # 从Excel文件读取数据
   data = pd.read_excel('data.xlsx')
   
   # 从数据库读取数据
   import sqlite3
   conn = sqlite3.connect('database.db')
   data = pd.read_sql_query('SELECT * FROM table', conn)

2. 数据查看和预览：DataFrame提供了方法用于查看和预览数据集的结构、内容和摘要统计信息。例如：

   # 查看数据集的前几行
   data.head()
   
   # 查看数据集的结构
   data.info()
   
   # 查看数据集的统计摘要信息
   data.describe()

3. 数据清洗和处理：DataFrame可以用于数据清洗和处理，包括缺失值处理、重复值处理、数据类型转换等。例如：

   # 处理缺失值
   data.dropna()  # 删除包含缺失值的行
   data.fillna(value)  # 使用指定值填充缺失值
   
   # 处理重复值
   data.drop_duplicates()  # 删除重复的行
   
   # 数据类型转换
   data['column'] = data['column'].astype(new_type)  # 将列的数据类型转换为新类型

4. 数据筛选和过滤：DataFrame可以根据条件对数据进行筛选和过滤，选择特定的行或列。例如：

   # 根据条件筛选行
   filtered_data = data[data['column'] > 10]
   
   # 根据条件筛选列
   selected_columns = data[['column1', 'column2']]

5. 数据计算和统计分析：DataFrame支持各种数据计算和统计分析操作，如聚合计算、分组计算、排序等。例如：

   # 聚合计算
   mean_value = data['column'].mean()
   sum_by_group = data.groupby('group_column')['value_column'].sum()
   
   # 排序
   sorted_data = data.sort_values(by='column', ascending=False)