林芳如

Pandas DataFrame 是 Python 中最核心的 雙維度表格型資料結構 ，包含列標籤（Index）與欄標籤（Columns） 。它類似於 Excel 試算表或 SQL 資料庫表格，每欄可以儲存不同型態的資料（如整數、字串、浮點數）。 [ 1 , 2 , 3 , 4 ] 1. 建立 DataFrame [ 1 ] 可透過字典、串列或外部檔案快速建立： [ 1 , 2 ] 使用字典建立 ：鍵（Key）為欄位名，值（Value）為資料串列。 python import pandas as pd data = { ' Name ' : [ ' Alice ' , ' Bob ' ], ' Age ' : [ 25 , 30 ]} df = pd.DataFrame(data) 請謹慎使用程式碼。 讀取 CSV 檔案 ：最常見的外部資料匯入方式。 python df = pd.read_csv( ' data.csv ' ) 請謹慎使用程式碼。 [ 1 , 2 , 3 , 4 , 5 ] 2. 核心屬性檢查 快速了解資料結構與維度的基本屬性： [ 1 ] df.shape ：回傳資料列數與欄數的元組（Tuple）。 df.columns ：檢視或修改所有的欄位名稱。 df.index ：檢視或修改列索引標籤。 df.dtypes ：檢查各個欄位的資料型態。 [ 1 , 2 , 3 , 4 , 5 ] 3. 資料選取與篩選 Pandas 提供標籤與座標兩種資料選取機制： [ 1 ] df['Name'] ：選取單一欄位，回傳為 Series 物件。 df.loc[] ：使用「列/欄標籤」選取特定區塊資料。 df.iloc[] ：使用「整數座標位置」選取特定區塊資料。 條件篩選 ：利用布林值過濾出符合條件的資料列。 python df[df[ ' Age ' ] > 25 ] 請謹慎使用程式碼。 [ 1 , 2 , 3 , 4 , 5 , 6 ] 4. 常用運算與操作 清洗與分析資料必備的基礎函數： [ 1 ] df.head(n) ：查看前 \(n\) 筆資料。 df.info() ：顯示資料結構、非空值計數與記憶體用量。 ...