以下是关于 Pandas DataFrame 的基础操作整理，涵盖创建、数据操作、查询和常用功能：

创建 DataFrame

从字典创建，键为列名，值为数据列表：

import pandas as pd
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}
df = pd.DataFrame(data)

从列表创建，需单独指定列名：

data = [['Alice', 25], ['Bob', 30]]
df = pd.DataFrame(data, columns=['Name', 'Age'])

数据查看

查看前 5 行：

df.head()

查看统计摘要：

df.describe()

数据选择

选择单列：

df['Name']

选择多列：

df[['Name', 'Age']]

按行选择：

df.iloc[0]  # 选择第一行

数据过滤

条件过滤：

df[df['Age'] > 25]

多条件过滤：

df[(df['Age'] > 20) & (df['Name'] == 'Alice')]

数据修改

添加新列：

df['Gender'] = ['F', 'M']

修改列值：

df.loc[df['Name'] == 'Alice', 'Age'] = 26

缺失值处理

检查缺失值：

df.isnull()

填充缺失值：

df.fillna(0)

排序

按列排序：

df.sort_values('Age', ascending=False)

分组统计

分组计算：

df.groupby('Gender')['Age'].mean()

数据输入输出

读取 CSV：

df = pd.read_csv('data.csv')

保存到 CSV：

df.to_csv('output.csv', index=False)

合并数据

横向合并：

pd.concat([df1, df2], axis=1)

纵向合并：

pd.concat([df1, df2], axis=0)

这些操作涵盖了 Pandas DataFrame 的大部分基础功能，适合日常数据处理需求。