python使用pandas简单代码
时间: 2025-01-15 10:53:49 浏览: 35
### 使用 Python Pandas 库编写的简单代码示例
#### 创建并操作 DataFrame
可以轻松创建一个 `DataFrame` 并对其进行基本操作:
```python
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data)
print(df)
```
这段代码展示了如何通过字典形式的数据快速构建一个表格结构,并打印出来[^1]。
#### 数据类型的转换
对于数据类型转换的需求,可以通过 `.astype()` 方法实现:
```python
df['Age'] = df['Age'].astype(str)
print(df.dtypes)
```
此段代码将年龄字段由数值型转为了字符型,并显示各列的数据类型[^2]。
#### 将 Series 转换为 NumPy 数组
当需要利用NumPy的功能时,可以从Pandas序列中提取数组:
```python
ages_array = df['Age'].to_numpy()
print(ages_array)
```
这里演示了怎样把特定一列的内容转化为NumPy数组以便进一步计算或绘图[^3]。
#### 过滤与查询数据
还可以方便地筛选符合条件的数据记录:
```python
filtered_df = df[df['Age'] > '30']
print(filtered_df)
```
注意这里的比较是在字符串上做的,因为在前面已经改变了 Age 列的数据类型。实际应用中应保持适当的数据格式以确保逻辑正确性。
#### 导出到 Excel 文件
最后,如果想要保存工作成果至Excel文档,则可采用如下方式:
```python
with pd.ExcelWriter('output.xlsx') as writer:
df.to_excel(writer, sheet_name='Sheet1')
```
这会生成一个新的Excel文件并将当前的数据框写入指定的工作表内[^5]。
阅读全文
相关推荐

















