简历帮忙制作南京关键词seo公司
以下是专为小白设计的 Pandas 简介与数据结构 学习内容，用最通俗的语言和案例讲解核心概念：
一、安装 Pandas
1. 安装方法
- 打开电脑的命令提示符（Windows）或终端（Mac/Linux）
- 输入以下命令并回车：
pip install pandas - 安装完成后，输入
python进入 Python 环境，输入import pandas as pd验证是否成功（不报错即可）
二、Pandas 的核心数据结构
1. Series（一维数据）
-
定义：像一个带标签的列表，比如一列Excel数据
-
创建方法：
import pandas as pd# 用列表创建 s1 = pd.Series([10, 20, 30, 40])# 自定义索引（类似给数据加名字） s2 = pd.Series([5, 3, 8], index=['苹果', '香蕉', '橘子']) -
基础操作：
# 查看数据 print(s2.values) # 输出数据：[5, 3, 8] print(s2.index) # 输出索引：['苹果', '香蕉', '橘子']# 按索引取值 print(s2['香蕉']) # 输出 3# 简单计算 print(s2 + 2) # 所有数据加2 → 苹果7, 香蕉5, 橘子10
2. DataFrame（二维表格）
-
定义：像 Excel 表格，由多列 Series 组成
-
创建方法：
# 用字典创建（最常用） data = {'姓名': ['张三', '李四', '王五'],'年龄': [20, 25, 22],'城市': ['北京', '上海', '广州'] } df = pd.DataFrame(data) -
显示表格：
print(df) # 输出： # 姓名 年龄 城市 # 0 张三 20 北京 # 1 李四 25 上海 # 2 王五 22 广州 -
核心概念：
- 列名：表格的标题（如‘姓名’、‘年龄’）
- 索引：最左边的数字（0,1,2），类似行号
三、Series vs DataFrame
| 特性 | Series | DataFrame |
|---|---|---|
| 维度 | 一维（单列） | 二维（多列） |
| 数据形式 | 单列数据+索引 | 多列数据+列名+索引 |
| 常用场景 | 存储单列数据（如温度） | 存储完整表格（如成绩单） |
四、DataFrame 的常用操作
1. 查看数据
df.head(2) # 查看前2行
df.tail(1) # 查看最后1行
df.shape # 显示表格形状（行数, 列数）
2. 选择数据
# 选择列
df['姓名'] # 获取“姓名”列（返回Series）
df[['姓名', '年龄']] # 选择多列（返回DataFrame）# 选择行
df.iloc[0] # 通过数字索引选第1行
df.loc[0] # 同上（简单场景）
3. 添加/删除列
# 添加新列
df['性别'] = ['男', '女', '男']# 删除列
df.drop('城市', axis=1, inplace=True) # axis=1表示列
4. 读取文件（实战）
# 读取CSV文件（比如从Excel导出的数据）
df = pd.read_csv('data.csv')
五、小练习
- 创建一个 Series，记录一周温度：周一18℃，周二20℃，周三22℃
- 创建一个 DataFrame，包含三列：商品名称（苹果、香蕉）、价格（5、3）、库存（10、8）
- 尝试从 DataFrame 中筛选出价格大于4元的商品
通过这个教程，你已经能用 Pandas 处理简单的表格数据啦！下一步可以学习数据清洗和统计计算 🚀