DataFrame简单例子
时间: 2025-07-16 07:02:06 浏览: 2
### Python Pandas DataFrame 简单示例
以下是有关 `pandas.DataFrame` 的简单使用案例,涵盖了创建、查看列标签以及基本的数据操作。
#### 创建并打印一个简单的 DataFrame
通过导入 pandas 并定义字典来构建一个基础的 DataFrame 结构:
```python
import pandas as pd
# 定义数据
data = {'姓名': ['张三', '李四', '王五'],
'年龄': [20, 25, 30],
'城市': ['北京', '上海', '广州']}
# 构建 DataFrame
df = pd.DataFrame(data)
# 打印 DataFrame
print(df)
```
此代码片段展示了如何利用字典形式的数据快速生成一个 DataFrame,并展示其内容[^1]。
#### 查看 DataFrame 列标签
可以使用 `.columns` 属性获取当前 DataFrame 中所有的列名称列表:
```python
# 获取列标签
columns = df.columns
print(columns)
```
这段代码会输出类似于 `Index(['姓名', '年龄', '城市'], dtype='object')` 的结果,表示 DataFrame 当前拥有的列名集合[^1]。
#### 转换数据类型
有时需要调整某些列的数据类型以便更好地处理数值运算或其他特定需求。可以通过 `.astype()` 方法实现这一目标:
```python
# 将'年龄'列转换为字符串类型
df['年龄'] = df['年龄'].astype(str)
# 验证修改后的数据类型
print(df.dtypes)
```
这里演示了将整数类型的‘年龄’字段转成字符串的过程,验证部分显示每列对应的新数据类型[^2]。
#### 更新现有数据框的内容
当有新的数据源需同步到已有 DataFrame 上时,可借助 `.update()` 函数完成这项工作:
```python
new_data = pd.DataFrame({'年龄': ['未知', None, '三十岁']}, index=[0, 1, 2])
df.update(new_data)
print(df)
```
在这个例子中,“新数据”被用来覆盖原表里相匹配位置上的旧值;注意未找到完全一致键值对的位置不会受到影响[^3]。
#### 寻找最小值
最后介绍一种常见的统计分析——寻找某列内的极小值:
```python
min_age = df['年龄'].min()
print(min_age)
```
尽管本例中的“年龄”已被设为非数字型态(即字符串),但在实际应用过程中,对于纯数字系列而言,`.min()` 可轻松找出其中最低数值[^4]。
---
阅读全文
相关推荐


















