DataFrame核心知识

这是一篇关于DataFrame核心知识的思维导图，主要内容包括：数据分析，数据清洗，高级功能，数据操作，基本属性，创建DataFrame。

DataFrame核心知识

• 数据分析
  • 统计分析
    • 基础统计：df.mean(), df.max(), df.min()
    • 高级统计：df.std(), df.median(), df.corr()
    • 计数统计：df.count(), df.nunique()
  • 数据探索
    • df['列'].unique()
    • df['列'].value_counts()
    • df.quantile([0.25,0.5,0.75])
• 数据清洗
  • 空值处理
    • 检测空值：df.isnull()
    • 空值统计：df.isnull().sum()
    • 处理空值：df.dropna() 或 df.fillna(值)
  • 重复值处理
    • 检测重复：df.duplicated()
    • 删除重复：df.drop_duplicates()
    • 唯一性检查：df['列'].is_unique
  • 数据类型
    • 类型检查：df.dtypes
    • 类型转换：df['列'].astype(类型)
• 高级功能
  • 分组：df.groupby('列名')
  • 聚合：.mean(), .sum(), .count()
  • 多列分组：df.groupby(['列1','列2'])
  • 读取数据：pd.read_csv(), pd.read_excel()
  • 保存数据：df.to_csv(), df.to_excel()
• 数据操作
  • 列操作
    • 选择列
      • df['列名'] 或 df[['列1','列2']]
    • 添加列
      • df['新列'] = 值
    • 删除列
      • df.drop('列名', axis=1)
    • 重命名
      • df.rename(columns={'旧名':'新名'})
  • 行操作
    • 选择行
      • df.loc[索引] 或 df.iloc[位置]
    • 删除行
      • df.drop(索引)
    • 排序
      • df.sort_values('列名')
    • 筛选
      • df[df['列'] > 值]
• 基本属性
  • 核心属性
    • df.shape：数据维度 (行数, 列数)
    • df.index：行索引
    • df.columns：列名称
    • df.dtypes：列数据类型
    • df.values：原始数据数组
  • 信息查看
    • df.info()：详细数据信息
    • df.describe()：统计摘要
    • df.head(n)：前n行数据
    • df.tail(n)：后n行数据
• 创建DataFrame
  • 基础创建方法
    • 字典创建
      • df = pd.DataFrame({'列名':[值列表]})
    • 列表创建
      • df = pd.DataFrame(二维列表, columns=['列名'])
    • 数组创建
      • df = pd.DataFrame(numpy数组)
  • 高级创建选项
    • 自定义索引
      • index=['a','b','c']
    • 自定义列顺序
      • columns=['列1','列2']
    • 特殊索引
      • 日期索引、多层索引