春招学考社团_python基础_p25_pandas模块.py

import pandas as pd# 创建Series，默认索引从0开始自动生成s1 = pd.Series([166, 178, 180])  #身高数据，索引为0,1,2print(s1)

输出0 1661 1782 180dtype: int64

import pandas as pd# 创建Series并自定义索引名称s2 = pd.Series([166, 178, 180], index=["s01", "s02", "s03"])  # 自定义索引为s01,s02,s03print("自定义索引的Series:")print(s2)

输出自定义索引的Series:s01 166s02 178s03 180dtype: int64

import pandas as pd# 用字典形式定义表格数据data = {    "姓名": ["王静怡", "张佳妮", "李臣武"],    # 姓名列    "性别": ["女", "女", "男"],               # 性别列    "借阅次数": [28, 56, 37]                  # 借阅次数列}# 创建DataFrame，指定列的顺序df1 = pd.DataFrame(data, columns=["姓名", "性别", "借阅次数"])print("创建的DataFrame表格:")print(df1)

输出姓名 性别 借阅次数0 王静怡 女 281 张佳妮 女 562 李臣武 男 37

import pandas as pd# 读取当前目录下的Excel文件（需要先有成绩表.xlsx文件）df = pd.read_excel('工资表.xlsx')  # 一行代码就能读取Excel文件print("读取的Excel文件内容:")print(df)  # 以下为常用的数据查看方法（被注释掉了，需要时可取消注释使用）# print(df.head())      # 查看前5行数据（默认显示5行）# print(df.info())      # 查看数据的基本信息（列名、非空值数量、数据类型等）# print(df.describe())  # 查看数值型列的统计信息（计数、均值、标准差、最值等）

#输出员工ID 姓名 部门 职位 基本工资 绩效奖金 加班费 社保扣款 个税扣款 实发工资 发放日期0 E0001 张伟 技术部 主管 8500 1500 800 1020 375 9405 2025-01-201 E0002 王芳 市场部 专员 6500 1200 600 780 225 8295 2025-01-202 E0003 李娜 销售部 经理 9500 2500 1200 1140 450 11610 2025-01-203 E0004 赵敏 人事部 专员 6200 1000 400 744 195 7861 2025-01-204 E0005 刘静 财务部 主管 8200 1800 700 984 360 9356 2025-01-205 E0006 陈丽 行政部 专员 6000 800 300 720 165 7215 2025-01-206 E0007 杨强 技术部 经理 9200 2200 1100 1104 420 10976 2025-01-207 E0008 黄磊 市场部 总监 12000 3000 1500 1440 600 14460 2025-01-20

import pandas as pdimport numpy as np# 创建示例数据df = pd.DataFrame({    '姓名': ['张三', '李四', '王五', '赵六', '钱七'],    '年龄': [25, 30, 35, 28, 32],    '城市': ['北京', '上海', '广州', '北京', '深圳'],    '工资': [8000, 12000, 15000, 9000, 11000]})print("原始数据:")print(df)print("-----------------------------")# 1. head() - 查看前几行print("1. head(2) - 前2行数据:")print(df.head(2))print("-----------------------------")# 2. tail() - 查看后几行print("2. tail(3) - 后3行数据:")print(df.tail(3))print("-----------------------------")# 3. loc[] - 按标签/条件选择行print("3. loc[2] - 选择索引为2的行:")print(df.loc[2])print("\n3. loc[df['年龄'] > 30] - 选择年龄大于30的行:")print(df.loc[df['年龄'] > 30])print("-----------------------------")# 4. iloc[] - 按位置选择行print("4. iloc[0] - 选择第1行（位置0）:")print(df.iloc[0])print("\n4. iloc[1:4] - 选择第2-4行（位置1-3）:")print(df.iloc[1:4])print("-----------------------------")# 5. sample() - 随机选择行print("5. sample(2) - 随机选择2行（每次运行结果不同）:")print(df.sample(2))print("-----------------------------")# 6. nlargest() - 选择最大的几行print("6. nlargest(2, '工资') - 工资最高的2个人:")print(df.nlargest(2, '工资'))print("-----------------------------")# 7. nsmallest() - 选择最小的几行print("7. nsmallest(2, '年龄') - 年龄最小的2个人:")print(df.nsmallest(2, '年龄'))print("-----------------------------")# 8. drop() - 删除行print("8. drop(2) - 删除索引为2的行（王五）:")print(df.drop(2))print("-----------------------------")# 9. query() - 用表达式查询行print("9. query('25 <= 年龄 <= 30') - 查询年龄在25-30之间的人:")print(df.query('25 <= 年龄 <= 30'))print("\n9. query('城市 in [\"北京\", \"上海\"]') - 查询北京或上海的人:")print(df.query('城市 in ["北京", "上海"]'))print("-----------------------------")# 10. 选择单列print("10. df['姓名'] - 选择'姓名'列:")print(df['姓名'])print("\n10. df.姓名 - 另一种方式选择列:")print(df.姓名)print("-----------------------------")# 11. 选择多列print("11. df[['姓名', '年龄']] - 选择'姓名'和'年龄'列:")print(df[['姓名', '年龄']])print("-----------------------------")# 12. 添加新列df['性别'] = ['男', '女', '男', '女', '男']df['税后工资'] = df['工资'] * 0.9print("12. 添加'性别'和'税后工资'两列后的数据:")print(df)print("-----------------------------")# 13. insert() - 在指定位置插入列df.insert(2, '部门', ['销售', '技术', '技术', '销售', '市场'])print("13. insert(2, '部门', ...) - 在第2列位置插入'部门'列:")print(df)print("-----------------------------")# 14. drop(列) - 删除列df_drop = df.drop('性别', axis=1)print("14. drop('性别', axis=1) - 删除'性别'列后:")print(df_drop)print("-----------------------------")# 15. rename() - 重命名列df_rename = df.rename(columns={'姓名': 'name', '年龄': 'age'})print("15. rename(columns={'姓名':'name', '年龄':'age'}) - 重命名列后:")print(df_rename)print("-----------------------------")# 16. columns属性 - 获取列名print("16. df.columns.tolist() - 所有列名:")print(df.columns.tolist())print("-----------------------------")# 17. loc[] - 同时选择行和列print("17. loc[[0, 2], ['姓名', '工资']] - 选择第1行和第3行，姓名和工资列:")print(df.loc[[0, 2], ['姓名', '工资']])print("\n17. loc[df['年龄'] > 25, ['姓名', '城市']] - 选择年龄>25的人，只显示姓名和城市:")print(df.loc[df['年龄'] > 25, ['姓名', '城市']])print("-----------------------------")# 18. iloc[] - 按位置同时选择行和列print("18. iloc[0:2, 0:3] - 选择第1-2行，第1-3列:")print(df.iloc[0:2, 0:3])print("\n18. iloc[2, 1] - 选择第3行，第2列:")print(df.iloc[2, 1])print("-----------------------------")# 19. at[] - 快速访问单个值（按标签）print("19. at[1, '姓名'] - 第2行'姓名'列的值:")print(df.at[1, '姓名'])print("-----------------------------")# 20. iat[] - 快速访问单个值（按位置）print("20. iat[2, 1] - 第3行第2列的值:")print(df.iat[2, 1])print("-----------------------------")# 21. set_index() - 设置某列为索引df_index = df.set_index('姓名')print("21. set_index('姓名') - 设置'姓名'为索引后:")print(df_index)print("\n现在可以用姓名选择行: df_index.loc['王五']")print(df_index.loc['王五'])print("-----------------------------")# 22. reset_index() - 重置索引df_reset = df_index.reset_index()print("22. reset_index() - 重置索引后:")print(df_reset)print("-----------------------------")# 23. sort_values() - 按列排序print("23. sort_values('年龄') - 按年龄排序（升序）:")print(df.sort_values('年龄'))print("\n23. sort_values('工资', ascending=False) - 按工资排序（降序）:")print(df.sort_values('工资', ascending=False))print("-----------------------------")# 24. sort_index() - 按索引排序df_shuffled = df.sample(frac=1)print("24. 打乱后的数据:")print(df_shuffled)print("\n24. sort_index() - 按索引排序后:")print(df_shuffled.sort_index())print("-----------------------------")# 25. unique() - 查看某列的唯一值print("25. df['城市'].unique() - 城市唯一值:")print(df['城市'].unique())print("-----------------------------")# 26. value_counts() - 统计各值出现次数print("26. df['城市'].value_counts() - 各城市人数统计:")print(df['城市'].value_counts())print("-----------------------------")# 27. isnull() - 检查缺失值df_with_na = df.copy()df_with_na.loc[1, '年龄'] = np.nanprint("27. df_with_na['年龄'].isnull() - 检查缺失值:")print(df_with_na['年龄'].isnull())print("-----------------------------")# 28. fillna() - 填充缺失值df_with_na['年龄'] = df_with_na['年龄'].fillna(df['年龄'].mean())print("28. fillna() - 填充缺失值后:")print(df_with_na)print("-----------------------------")# 29. astype() - 更改数据类型print("29. df.dtypes - 原始数据类型:")print(df.dtypes)df['年龄'] = df['年龄'].astype(float)print("\n29. astype(float) - 转换为float后的数据类型:")print(df.dtypes)print("-----------------------------")# 30. 统计函数在行列上的应用print("30. df['工资'].mean() - 工资平均值:")print(df['工资'].mean())print("\n30. df['工资'].sum() - 工资总和:")print(df['工资'].sum())print("\n30. df['工资'].max() - 最高工资:")print(df['工资'].max())print("\n30. df['工资'].min() - 最低工资:")print(df['工资'].min())print("-----------------------------")

#输出原始数据:姓名 年龄 城市 工资0 张三 25 北京 80001 李四 30 上海 120002 王五 35 广州 150003 赵六 28 北京 90004 钱七 32 深圳 11000-----------------------------1. head(2) - 前2行数据:姓名 年龄 城市 工资0 张三 25 北京 80001 李四 30 上海 12000-----------------------------2. tail(3) - 后3行数据:姓名 年龄 城市 工资2 王五 35 广州 150003 赵六 28 北京 90004 钱七 32 深圳 11000-----------------------------3. loc[2] - 选择索引为2的行:姓名 王五年龄 35城市 广州工资 15000Name: 2, dtype: object3. loc[df['年龄'] > 30] - 选择年龄大于30的行:姓名 年龄 城市 工资2 王五 35 广州 150004 钱七 32 深圳 11000-----------------------------4. iloc[0] - 选择第1行（位置0）:姓名 张三年龄 25城市 北京工资 8000Name: 0, dtype: object4. iloc[1:4] - 选择第2-4行（位置1-3）:姓名 年龄 城市 工资1 李四 30 上海 120002 王五 35 广州 150003 赵六 28 北京 9000-----------------------------5. sample(2) - 随机选择2行（每次运行结果不同）:姓名 年龄 城市 工资1 李四 30 上海 120002 王五 35 广州 15000-----------------------------6. nlargest(2, '工资') - 工资最高的2个人:姓名 年龄 城市 工资2 王五 35 广州 150001 李四 30 上海 12000-----------------------------7. nsmallest(2, '年龄') - 年龄最小的2个人:姓名 年龄 城市 工资0 张三 25 北京 80003 赵六 28 北京 9000-----------------------------8. drop(2) - 删除索引为2的行（王五）:姓名 年龄 城市 工资0 张三 25 北京 80001 李四 30 上海 120003 赵六 28 北京 90004 钱七 32 深圳 11000-----------------------------9. query('25 <= 年龄 <= 30') - 查询年龄在25-30之间的人:姓名 年龄 城市 工资0 张三 25 北京 80001 李四 30 上海 120003 赵六 28 北京 90009. query('城市 in ["北京", "上海"]') - 查询北京或上海的人:姓名 年龄 城市 工资0 张三 25 北京 80001 李四 30 上海 120003 赵六 28 北京 9000-----------------------------10. df['姓名'] - 选择'姓名'列:0 张三1 李四2 王五3 赵六4 钱七Name: 姓名, dtype: object10. df.姓名 - 另一种方式选择列:0 张三1 李四2 王五3 赵六4 钱七Name: 姓名, dtype: object-----------------------------11. df[['姓名', '年龄']] - 选择'姓名'和'年龄'列:姓名 年龄0 张三 251 李四 302 王五 353 赵六 284 钱七 32-----------------------------12. 添加'性别'和'税后工资'两列后的数据:姓名 年龄 城市 工资 性别 税后工资0 张三 25 北京 8000 男 7200.01 李四 30 上海 12000 女 10800.02 王五 35 广州 15000 男 13500.03 赵六 28 北京 9000 女 8100.04 钱七 32 深圳 11000 男 9900.0-----------------------------13. insert(2, '部门', ...) - 在第2列位置插入'部门'列:姓名 年龄 部门 城市 工资 性别 税后工资0 张三 25 销售 北京 8000 男 7200.01 李四 30 技术 上海 12000 女 10800.02 王五 35 技术 广州 15000 男 13500.03 赵六 28 销售 北京 9000 女 8100.04 钱七 32 市场 深圳 11000 男 9900.0-----------------------------14. drop('性别', axis=1) - 删除'性别'列后:姓名 年龄 部门 城市 工资 税后工资0 张三 25 销售 北京 8000 7200.01 李四 30 技术 上海 12000 10800.02 王五 35 技术 广州 15000 13500.03 赵六 28 销售 北京 9000 8100.04 钱七 32 市场 深圳 11000 9900.0-----------------------------15. rename(columns={'姓名':'name', '年龄':'age'}) - 重命名列后:name age 部门 城市 工资 性别 税后工资0 张三 25 销售 北京 8000 男 7200.01 李四 30 技术 上海 12000 女 10800.02 王五 35 技术 广州 15000 男 13500.03 赵六 28 销售 北京 9000 女 8100.04 钱七 32 市场 深圳 11000 男 9900.0-----------------------------16. df.columns.tolist() - 所有列名:['姓名', '年龄', '部门', '城市', '工资', '性别', '税后工资']-----------------------------17. loc[[0, 2], ['姓名', '工资']] - 选择第1行和第3行，姓名和工资列:姓名 工资0 张三 80002 王五 1500017. loc[df['年龄'] > 25, ['姓名', '城市']] - 选择年龄>25的人，只显示姓名和城市:姓名 城市1 李四 上海2 王五 广州3 赵六 北京4 钱七 深圳-----------------------------18. iloc[0:2, 0:3] - 选择第1-2行，第1-3列:姓名 年龄 部门0 张三 25 销售1 李四 30 技术18. iloc[2, 1] - 选择第3行，第2列:35-----------------------------19. at[1, '姓名'] - 第2行'姓名'列的值:李四-----------------------------20. iat[2, 1] - 第3行第2列的值:35-----------------------------21. set_index('姓名') - 设置'姓名'为索引后:年龄 部门 城市 工资 性别 税后工资姓名张三 25 销售 北京 8000 男 7200.0李四 30 技术 上海 12000 女 10800.0王五 35 技术 广州 15000 男 13500.0赵六 28 销售 北京 9000 女 8100.0钱七 32 市场 深圳 11000 男 9900.0现在可以用姓名选择行: df_index.loc['王五']年龄 35部门 技术城市 广州工资 15000性别 男税后工资 13500.0Name: 王五, dtype: object-----------------------------22. reset_index() - 重置索引后:姓名 年龄 部门 城市 工资 性别 税后工资0 张三 25 销售 北京 8000 男 7200.01 李四 30 技术 上海 12000 女 10800.02 王五 35 技术 广州 15000 男 13500.03 赵六 28 销售 北京 9000 女 8100.04 钱七 32 市场 深圳 11000 男 9900.0-----------------------------23. sort_values('年龄') - 按年龄排序（升序）:姓名 年龄 部门 城市 工资 性别 税后工资0 张三 25 销售 北京 8000 男 7200.03 赵六 28 销售 北京 9000 女 8100.01 李四 30 技术 上海 12000 女 10800.04 钱七 32 市场 深圳 11000 男 9900.02 王五 35 技术 广州 15000 男 13500.023. sort_values('工资', ascending=False) - 按工资排序（降序）:姓名 年龄 部门 城市 工资 性别 税后工资2 王五 35 技术 广州 15000 男 13500.01 李四 30 技术 上海 12000 女 10800.04 钱七 32 市场 深圳 11000 男 9900.03 赵六 28 销售 北京 9000 女 8100.00 张三 25 销售 北京 8000 男 7200.0-----------------------------24. 打乱后的数据:姓名 年龄 部门 城市 工资 性别 税后工资4 钱七 32 市场 深圳 11000 男 9900.03 赵六 28 销售 北京 9000 女 8100.00 张三 25 销售 北京 8000 男 7200.01 李四 30 技术 上海 12000 女 10800.02 王五 35 技术 广州 15000 男 13500.024. sort_index() - 按索引排序后:姓名 年龄 部门 城市 工资 性别 税后工资0 张三 25 销售 北京 8000 男 7200.01 李四 30 技术 上海 12000 女 10800.02 王五 35 技术 广州 15000 男 13500.03 赵六 28 销售 北京 9000 女 8100.04 钱七 32 市场 深圳 11000 男 9900.0-----------------------------25. df['城市'].unique() - 城市唯一值:['北京' '上海' '广州' '深圳']-----------------------------26. df['城市'].value_counts() - 各城市人数统计:城市北京 2上海 1广州 1深圳 1Name: count, dtype: int64-----------------------------27. df_with_na['年龄'].isnull() - 检查缺失值:0 False1 True2 False3 False4 FalseName: 年龄, dtype: bool-----------------------------28. fillna() - 填充缺失值后:姓名 年龄 部门 城市 工资 性别 税后工资0 张三 25.0 销售 北京 8000 男 7200.01 李四 30.0 技术 上海 12000 女 10800.02 王五 35.0 技术 广州 15000 男 13500.03 赵六 28.0 销售 北京 9000 女 8100.04 钱七 32.0 市场 深圳 11000 男 9900.0-----------------------------29. df.dtypes - 原始数据类型:姓名 object年龄 int64部门 object城市 object工资 int64性别 object税后工资 float64dtype: object29. astype(float) - 转换为float后的数据类型:姓名 object年龄 float64部门 object城市 object工资 int64性别 object税后工资 float64dtype: object-----------------------------30. df['工资'].mean() - 工资平均值:11000.030. df['工资'].sum() - 工资总和:5500030. df['工资'].max() - 最高工资:1500030. df['工资'].min() - 最低工资:8000-----------------------------