import pandas as pd
一、创建数据：从“空”到“有”的开始¶
pandas 最核心的数据结构是 Series（一维数据）和 DataFrame（二维表格数据，类似 Excel）。先从最简单的创建方式学起。
1. 创建 Series（一维数据）¶
Series 可以理解为带标签的“列表”，标签称为“索引”。
示例代码：
# 用列表创建 Series（默认索引是 0,1,2...）
s = pd.Series([10, 20, 30, 40])
print(s)
# 输出：
# 0 10
# 1 20
# 2 30
# 3 40
# dtype: int64
# 自定义索引（比如用日期或字母）
s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
print(s)
# 输出：
# a 10
# b 20
# c 30
# dtype: int64
2. 创建 DataFrame（二维表格数据）¶
DataFrame 是最常用的结构，类似 Excel 表格，由多个 Series 组成（每列是一个 Series）。
示例代码：
# 方法 1：用字典创建（键=列名，值=列数据）
data = {
"姓名": ["小明", "小红", "小刚"],
"年龄": [18, 19, 20],
"成绩": [90, 85, 95]
}
df = pd.DataFrame(data)
print(df)
# 输出：
# 姓名 年龄 成绩
# 0 小明 18 90
# 1 小红 19 85
# 2 小刚 20 95
# 方法 2：用二维列表创建（需指定列名）
df = pd.DataFrame([
["小明", 18, 90],
["小红", 19, 85],
["小刚", 20, 95]
], columns=["姓名", "年龄", "成绩"])
print(df) # 输出同上
二、查看数据：快速了解“表里有什么”¶
创建数据后，先通过基础方法查看数据的“外观”和“信息”，避免后续操作出错。
1. 查看数据前/后几行（快速预览）¶
head(n)：查看前 n 行（默认 n=5）tail(n)：查看后 n 行（默认 n=5）
示例代码：
# 查看前 2 行
print(df.head(2))
# 输出：
# 姓名 年龄 成绩
# 0 小明 18 90
# 1 小红 19 85
# 查看后 1 行
print(df.tail(1))
# 输出：
# 姓名 年龄 成绩
# 2 小刚 20 95
2. 查看数据统计信息¶
info()：查看数据类型、非空值数量（快速检查数据是否有缺失）describe()：对数值列统计（计数、均值、标准差、最大/最小值等）columns：查看列名index：查看行索引
示例代码：
# 查看数据基本信息（数据类型、非空值）
print(df.info())
# 输出：
# <class 'pandas.core.frame.DataFrame'>
# RangeIndex: 3 entries, 0 to 2
# Data columns (total 3 columns):
# # Column Non-Null Count Dtype
# --- ------ -------------- -----
# 0 姓名 3 non-null object
# 1 年龄 3 non-null int64
# 2 成绩 3 non-null int64
# dtypes: int64(2), object(1)
# memory usage: 200.0+ bytes
# 查看数值列统计描述（仅对数值列生效）
print(df.describe())
# 输出：
# 年龄 成绩
# count 3.000000 3.000000
# mean 19.000000 90.000000
# std 1.000000 2.581989
# min 18.000000 85.000000
# 25% 18.500000 87.500000
# 50% 19.000000 90.000000
# 75% 19.500000 92.500000
# max 20.000000 95.000000
# 查看列名和行索引
print("列名:", df.columns) # 输出：列名: Index(['姓名', '年龄', '成绩'], dtype='object')
print("行索引:", df.index) # 输出：行索引: RangeIndex(start=0, stop=3, step=1)
三、修改数据：让数据“为我所用”¶
掌握数据的“增删改查”，核心是定位数据并修改，以下是常用操作。
1. 修改单个/多个单元格的值¶
用 loc[行标签, 列名] 或 iloc[行位置, 列位置] 定位后赋值。
- loc：通过标签定位（如行标签、列名）
- iloc：通过位置定位（从 0 开始的整数）
示例代码：
# 修改第一行“年龄”列的值（用 loc 标签定位）
df.loc[0, "年龄"] = 17
print(df)
# 输出：
# 姓名 年龄 成绩
# 0 小明 17 90
# 1 小红 19 85
# 2 小刚 20 95
# 修改第三行“成绩”列的值（用 iloc 位置定位，行位置 2，列位置 2）
df.iloc[2, 2] = 96
print(df)
# 输出：
# 姓名 年龄 成绩
# 0 小明 17 90
# 1 小红 19 85
# 2 小刚 20 96
2. 新增列（添加新数据列）¶
直接赋值给新列名即可，支持基于现有列计算。
示例代码：
# 新增“班级”列（直接赋值）
df["班级"] = "一班"
print(df)
# 输出：
# 姓名 年龄 成绩 班级
# 0 小明 17 90 一班
# 1 小红 19 85 一班
# 2 小刚 20 96 一班
# 新增“总分”列（基于现有数值列计算）
df["总分"] = df["成绩"] + 10 # 假设满分 100 分，总分=成绩+10
print(df)
# 输出：
# 姓名 年龄 成绩 班级 总分
# 0 小明 17 90 一班 100
# 1 小红 19 85 一班 95
# 2 小刚 20 96 一班 106
3. 删除列（删除不需要的列）¶
用 drop() 方法，axis=1 表示删除列，inplace=True 直接修改原数据。
示例代码：
# 删除“总分”列（axis=1 表示列，inplace=True 直接修改原 df）
df.drop("总分", axis=1, inplace=True)
print(df)
# 输出：
# 姓名 年龄 成绩 班级
# 0 小明 17 90 一班
# 1 小红 19 85 一班
# 2 小刚 20 96 一班
4. 修改行/列索引（调整标签）¶
直接赋值给 index 或 columns，或用 rename() 重命名。
示例代码：
# 修改行索引（原索引是 0,1,2 → 改为“row1”, “row2”, “row3”）
df.index = ["row1", "row2", "row3"]
print(df)
# 输出：
# 姓名 年龄 成绩 班级
# row1 小明 17 90 一班
# row2 小红 19 85 一班
# row3 小刚 20 96 一班
# 重命名列名（用 rename 方法，inplace=True 直接修改）
df.rename(columns={"班级": "班级名称"}, inplace=True)
print(df)
# 输出：
# 姓名 年龄 成绩 班级名称
# row1 小明 17 90 一班
# row2 小红 19 85 一班
# row3 小刚 20 96 一班
总结¶
通过本文，我们学习了 pandas 数据处理的基础操作：
- 创建数据：用 Series 和 DataFrame 构建一维/二维数据
- 查看数据：通过 head/tail/info/describe 快速了解数据特征
- 修改数据：用 loc/iloc 定位修改、新增/删除列、调整索引
pandas 操作的核心是“定位数据”，记住 loc（标签）和 iloc（位置）的区别，多练习就能熟练掌握！如果需要更复杂的操作（如分组、合并），可以后续深入学习。现在就动手尝试吧～