快乐学Python，DataFrame的基本操作

Answer 1

在Python中，DataFrame是pandas库中的核心数据结构，它在数据处理中扮演着重要角色。上篇文章介绍了如何从多种数据源读取数据并转化为DataFrame。本篇将深入探讨DataFrame的基本操作，包括添加和删除行、列，排序，以及理解Series和DataFrame的关系。

首先，理解pandas中的三个关键概念：index（索引）、Series和DataFrame。索引就像是数据的“目录”，提供了一种访问特定数据的方式，例如列表的下标或字典的键。Series是一维的，类似于列表，由index和values组成，支持数字或字符串索引。

你可以通过一个简单的列表创建Series，如`Series([1, 2, 3])`，输出会显示index和values。此外，还可以根据需要指定索引，如`Series([1, 2, 3], index=['a', 'b', 'c'])`，这样就允许通过字符串索引访问数据。

DataFrame则是二维的，由行和列组成，类似于表格。每一行和每一列都是一个Series。例如，`df = pd.read_csv('tv_rating.csv')`会加载一个CSV文件，其中的每一列就是一列Series，行索引是列标题，列索引是行号。

操作DataFrame时，可以添加行或列，删除指定的行或列。例如，添加一行数据可以用`df.append()`，添加列则根据需要赋值。删除行或列则用`drop()`方法，如`df.drop('考核结果', axis=1)`删除一列。

查看和修改单个单元格是通过loc属性，如`df.loc['小亮', '籍贯'] = '广西'`。对DataFrame进行排序则是常用功能，`df.sort_values('评分', ascending=False)`可按评分从高到低排序。

此外，DataFrame还提供了`head()`和`tail()`函数来获取前N个和后N个数据，以及`shape`属性获取行数和列数。这些操作在数据分析中非常实用，帮助我们快速理解和分析数据。