玩一玩pandas

import pandas as pd


lst = [
    ["susan", 25, "male", "北京"],
    ["merry", 36, "female", "杭州"],
    ["jake", 23, "male", "苏州"],
    ["mali", 12, "female", "上海"],
    ["wus", 42, "male", "武汉"],
]

dfcols = ["name", "age", "gender", "live"]


# 只含有列名的空 DataFrame(简称 DF)
df = pd.DataFrame(columns=dfcols)


# 两个 DF上下合并, ignore_index=True: 忽略行索引在原 DF基础上继续增加行索引
df = df.append(pd.DataFrame(data=lst, columns=dfcols), ignore_index=True)

print(df)

df.values    　　　　　　　# type: "<class ‘numpy.ndarray‘>"

df.values.tolist()   　　 # type: "<class ‘list‘>"

df["name"]   　　　　　　  # 获取到name 这一列的值

df.loc["index的行索引"]   # 显式索引, 获取到行索引为xx的这一行数据

df.iloc[1]    　　　　　　 # 隐式索引, 获取到第2行的数据

df.loc[2, "name"]    　　 # 第2行数据的 name 值

df.loc[0:3]     　　　　   # 第1行 到 第3行的数据

df = df.append(pd.Series(["lee", 32, "female", "西安"], index=dfcols), ignore_index=True)

print(df)

# 过滤出年龄大于 30岁 的人
df[df["age"] > 30]

# 第2行数据的age值改为空值
df.loc[3, "age"] = None
print(df)

# 删除有空值的行数据
print(df[df["age"].notnull()])

# 在pandas的drop系列函数中, axis=0表示x轴数据(行数据), 1表示y轴数据(列数据)
print(df.dropna(axis=0))

上面两种方式都一样