林芳如python的AI模式,pandas dataframe

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。
• df.describe()：產生數值欄位的敘述性統計摘要（平均值、標準差等）。
• df.drop()：刪除指定的欄位或資料列。