• 只能读取 csv 文件，而数据分析的数据除了可能来自 csv，也可能来自 Excel，甚至可以来自 html 的表格。
• 读取到的结果一般是字典列表，并不利于分析。虽然每个字典代表一行记录，但一旦要取某一列的数据就会非常复杂。

Python 作为数据分析领域的主流语言，自然不会只有 csv 模块这样的初级工具。本部分将学习表格类型的大数据处理工具：pandas。

pandas 不仅可以从多种不同的文件格式读取数据，还具备各种数据处理功能。掌握 pandas 是踏上数据分析之路的重要基础。下面开始 pandas 的学习。

在第一个 Cell 中，导入 pandas。为了在后续调用 pandas 的函数方便，给它起一个别名：pd。import 语句中，在模块名后面跟 as 就可以给导入的模块起一个别名，如下所示。

import pandas as pd

运行之后如果没有报错，说明 pandas 已经成功安装。

使用 pandas 读取 csv 文件

首先学习如何使用 pandas 读取 csv 文件。

pandas 模块提供了一个 read_csv 的方法，可以直接读取 csv 文件，并返回一个 DataFrame 对象。DataFrame 对象是 pandas 模块的核心，pandas 的所有表格都通过 DataFrame 对象来存储，并且 DataFrame 还提供了非常多查看数据、修改数据的方法。之后的课程中会逐渐学习 DataFrame 的用法。

现在只需知道，pandas 可以直接从一个 csv 文件中将数据读到 Python 中，并以 DataFrame 对象的形式返回，拿到这个对象就可以查看其中的数据。

实战 read_csv

具体演练一下这个过程。首先将前文收集到的国产电视剧数据集 tv_rating.csv 放在工作目录中。

新建 Cell，输入如下的代码。

# 使用 pandas 模块的 read_csv 函数，读取 csv 文件。并将结果存在 df_rating 变量中
df_rating = pd.read_csv("tv_rating.csv")
# 打印 df_rating 变量
print("df_rating:")
print(df_rating)
# 打印 df_rating 变量的类型
print("df_rating type:")
print(type(df_rating))

运行之后输出如下所示（为了表格类的数据看着好看一些，这类数据都截图展示）。

从上面的输出中可以看到，df_rating 变量中包含了 csv 文件中的所有数据，并且有形状的描述：3600 行 x 3列，与下载的数据一致。通过打印 df_rating 的类型，可以看到 df_rating 的类型就是上文提到的 DataFrame。

更好看的表格

DataFrame 很强大，甚至针对 notebook 有专门优化。之前学习过，当一个 Cell 的最后一行是一个变量时，notebook 就会将这个变量打印出来。比如如下的代码：

a = 3
b = 4 + a
a

或者

a

这样的代码，即便没有任何的 print 语句，但因为满足 cell 最后一行是一个变量的条件，notebook 都会打印出这个变量，也就是 a 的值。

回到 DataFrame，当不是直接用 print 打印它，而是把 DataFrame 变量放在 Cell 的末尾时，notebook 就会用一种更好看的格式来打印它。新建一个 Cell，输入如下的代码运行。

df_rating

输出

可以看到这一次的格式比上一次好看多了，更像一个表格，也更加整齐。DataFrame 的常见操作会在下一篇具体展开介绍。

使用 pandas 读取 excel 文件

在 Python 还没有兴起之前，大量数据分析是通过 Excel 完成的。在很多传统行业中，还有大量数据保存在 Excel 中，所以读取 Excel 也是 Python 数据分析领域的常见任务。

Excel 的 .xls/.xlsx 文件格式是微软针对表格开发的，只能使用 Excel 打开，比如用记事本打开往往会看到乱码。Python 读取 Excel 中的内容，同样通过 pandas 实现。

类似 csv 的读取，pandas 也提供了 read_excel 函数来实现读取 excel 文件中的内容，但使用方法比 read_csv 稍微复杂一些。

下面通过一个小实战来学习 read_excel 的使用。

（1）准备测试数据

之前做的数据都是 csv 格式的。先制作一个简单的 excel 文件，用来测试后面的代码。

打开 Excel，将第一个表格（sheet）的名字改为：基本信息，并复制添加下述内容。

添加完后的 Excel 如下所示。

然后，点击下面的 +号，新建一个表格，命名为“绩效”，然后复制粘贴以下内容。

添加之后的 Excel 界面如下所示。

保存 Excel 到工作目录中，命名为 info.xlsx。

（2）读取数据

数据准备完毕，现在读取刚才创建的表格。形式类似刚才的 read_csv，可以先尝试思考一下自己写，然后继续往下看。

新建 Cell，输入如下的代码。

# 使用 read_excel 函数，读取 info.xlsx 的内容并存储在 df_info 变量中
df_info = pd.read_excel("info.xlsx")
# 不用 print，直接将 df_info 放在最后一行，让 notebook 用表格形式打印
df_info

执行之后，输出如下。

可以看到，Excel 中的数据被成功打印了出来，和 read_csv 一样，read_excel 返回的也是一个 DataFrame。

不过内容虽然打印出来了，但只打印出了第一个表格，也就是“基本信息”这个表格，后面添加的“绩效”表格并没有打印出来。这是 pandas 的机制导致的，read_excel 默认只读取 excel 文件中的一个表格。

一个 Excel 中包含多个表格是很常见的。如何读取更多的表格？进入下一个步骤。

（3）读取不同的表格

read_excel 比 read_csv 复杂的地方在于，read_excel 支持非常多的参数。比如要实现读取后面的表格，只需给 read_excel 函数的 sheet_name 参数赋值即可。

新建 Cell，输入下面的代码。

# 使用 read_excel 函数读取 info.xlsx 文件里的“绩效”这个表格
# 并将结果存在 df_perf 变量中
df_perf = pd.read_excel("info.xlsx", sheet_name="绩效")
# 让 notebook 打印 df_perf 变量
df_perf

输出如下所示。

可以看到，这次输出的就是增加的“绩效”表格中的内容。

在 read_excel 中，通过给 sheet_name 赋值来决定要加载文件的哪个表格，如果不指定，pandas 则默认加载第一个表格。

（4）选择性读取

有时候 excel 文件的数据很多，全部加载到 Python 中可能会卡，而且有时只对其中某几列感兴趣，全部加载显示也不容易看。read_excel 提供了 usecols 参数，可以指定要加载哪几列。

举个例子，刚才的“绩效”表格，对“上期考核结果”不感兴趣，只想加载姓名和绩效考核这两列的内容。可以这样操作，新建 Cell，输入如下代码。

# 使用 read_excel 函数读取 info.xlsx 中的绩效表格
# 并只读取 A B两列，并将结果存到 df_perf1 变量中
df_perf1 = pd.read_excel("info.xlsx", sheet_name="绩效", usecols="A,B")
# 让 notebook 打印 df_perf1 变量
df_perf1

执行之后，输出结果可以看到，已经成功实现了只加载前两列的内容。

至此，学完了基本的读取 excel 文件的操作。

使用 pandas 读取 html 文件

有的时候数据并不是整理好的 csv 表格或者 Excel 表格，而是以网页中的表格形式存在，最常见的就是各类股票财经网站，比如同花顺的股票涨跌幅数据中心：http://data.10jqka.com.cn/market/zdfph/。

或者像招商银行的外汇行情页面，如下所示。

如果将这些网页中的表格“导入”到 Python 进行处理，根据上一个部分学习的爬虫技术，可以将这个页面的 html 下载下来，然后用 BeautifulSoup 分析表格的标签结构，再把内容一行一行地提取出来，一步一步拆分成列。

这样做是可以的，但流程较为复杂，工作量较大。而对于提取网页中的表格，存在一个非常简单的方法：使用 pandas。

和 read_csv、read_excel 类似，pandas 也提供了一个 read_html 的方法，来智能地提取网页中的所有表格，并以 DataFrame 列表的形式返回，一个表格对应一个 DataFrame。

通过一个简单的小例子来学习 read_html 方法的使用。以刚才举的招商银行外汇行情的页面为例，尝试在 Python 中加载该网页中表格的数据。

（1）准备网页

首先要做的一件事，是拿到网页的内容。前面已经写过一个获取网页内容的函数。

新建 Cell，将 download_content 函数先搬过来，别忘记在开头加上导入 urllib3 的语句，代码如下所示。

import urllib3
def download_content(url):
    # 创建一个 PoolManager 对象，命名为 http
    http = urllib3.PoolManager()
    # 调用 http 对象的 request 方法，第一个参数传一个字符串 "GET"
    # 第二个参数则是要下载的网址，也就是 url 变量
    # request 方法会返回一个 HTTPResponse 类的对象，命名为 response
    response = http.request("GET", url)
    # 获取 response 对象的 data 属性，存储在变量 response_data 中
    response_data = response.data
    # 调用 response_data 对象的 decode 方法，获得网页的内容，存储在 html_content
    # 变量中
    html_content = response_data.decode()
    return html_content
html_content = download_content("http://fx.cmbchina.com/Hq/")

执行上述代码之后，网页内容就已经存储在 html_content 变量中。

（2）读取数据

在准备好网页的内容之后，就可以调用 read_html 函数来获取表格了。

新建 Cell，输入如下代码。

# 调用 read_html 函数，传入网页的内容，并将结果存储在 cmb_table_list 中
# read_html 函数返回的是一个 DataFrame 的 list
cmb_table_list = pd.read_html(html_content)
# 打印 list 的长度，看看抽取出了几个表格
print(len(cmb_table_list))

执行代码，输出结果为 2。这说明找到了两个表格，但回头看网页，主体应该只有一个表格。这种情况比较常见，多半是网页在一些不是表格的元素也使用了表格的标签，导致 pandas 识别多了一个。遇到这种情况，只需要逐一查看返回的 DataFrame 列表，找到所需的即可。

现在从列表中找出所需的表格，首先查看第一个 DataFrame。

新建 Cell，输入以下代码并运行。

# 直接写变量，利用 notebook 的特性打印表格
cmb_table_list[0]

执行后，输出如下：

很明显，这不是所需的表格，现在看第二个。

新建 Cell，输入如下的代码。

cmb_table_list[1]

执行之后，输出如下所示。

很明显，这个就是所需的表格了。可以看到招行官网上看到的汇率表格已经完整地被加载到了 pandas 的 DataFrame 中，并且能够以表格的形式打印出来。

如果用 BeautifulSoup 来解析这个网页然后提取出表格的内容，恐怕代码要写大几十行，而 pandas 一个函数就搞定了。

首先介绍 pandas 中的三个最常见概念：index、Series 和 DataFrame。

数据的“目录”： index

index 也叫索引。索引是计算机科学中非常常见的概念，虽然听起来可能有些陌生，但应该很早之前就打过交道。比如看一本书，书的目录就是书本内容的索引。通俗意义上，索引可以理解为存储了如何访问某块数据方式的数据。拿目录的例子来说，目录本身也是数据，但这个数据的内容是如何访问另一块数据（书的正文）。

在之前的学习中，也已或多或少和索引打过交道。比如通过列表的下标访问列表的某个元素，例如 a[5]，这个 5 也叫列表的索引。字典的场景中，通过 key 来访问字典中的某个元素，例如 student["name"]，这个 "name" 的字符串，也属于字典的索引。

一维数据序列：Series

Series 本身是一种数据类型，很像之前打交道的列表，是存储多个数据元素的容器。事实上，也可以直接使用一个列表来创建一个 Series。但与列表不同的是，Series 一般由两部分组成：index 和 values。

• values 容易理解，就是存储了 Series 里面所有元素的值，所以 values 部分可以认为和列表是等价的。
• index 部分代表 Series 的索引。根据上面对于索引的定义，index 部分的数据就是为了方便定位到 values 里面的数据。

Series 有一个单独的索引项，这使得它既支持类似列表一样的数字索引，也支持类似字典一样的用字符串或者其他 Python 对象来做索引。对于 Series，可以简单理解成一个列表和字典的集合体。

下面用几个实例简单介绍 Series 的概念。

（1）直接从列表创建 Series

import pandas as pd
# 通过列表创建 Series
ser1 = pd.Series([1,3,5,7])
# 通过 notebook 打印 ser1
ser1

输出显示如下：

0    1
1    3
2    5
3    7
dtype: int64

输出有两列，第一列是 index，第二列是 values。values 就是传入的列表，而 index 则是对应的序号。当只使用列表来创建 Series 对象时，会生成默认的索引，即类似列表那样，每一个元素的位置作为索引。Series 对象也具备 index 和 values 属性，这样可以单独访问这两个部分。

print("values: ", ser1.values)
print("index: ", ser1.index)

从以下输出结果可以看到，values 就是传入的列表，而 index 则是一个 RangeIndex 的对象。

values:  [1 3 5 7]
index:  RangeIndex(start=0, stop=4, step=1)

对于这个 Series 对象，通过 index 的值来获得对应 values 里面的值。比如 index 等于 1 对应的是 values 里面的 3。在代码中想要获得 1 对应的值就可以这样：

ser1[1]

输出

3

（2）创建 Series，并指定索引

在上面的例子中，直接从列表创建了 Series，Series 为其分配了默认的 index，即元素在列表中的位置作为其对应的 index。比如 5 是列表 1,3,5,7 中的第三个数字，则它的 index 就是 2（从 0 开始数起）。

除了这种方式，Series 还支持创建的时候指定对应的索引。

# 使用列表创建 Series，并指定其索引为另一个列表
ser2 = pd.Series([1,3,5,7], index=["a", "b", "c", "d"])
# 使用 notebook 打印 ser2
ser2

输出为：

a    1
b    3
c    5
d    7
dtype: int64

可以看到，指定了一个由 4 个字符串组成的列表作为数字列表的索引。两个列表的元素是一一对应的关系，比如字符串 "a" 就是数字 1 的索引，字符串 "b" 就是数字 3 的索引。验证一下。

print(ser2["d"])

输出如下，可以看到通过索引 "d"，确实拿到了数字 7。

7

现在来看一下 ser2 的 values 和 index 的值。

print("values:", ser2.values)
print("index:", ser2.index)

输出

values: [1 3 5 7]
index: Index(['a', 'b', 'c', 'd'], dtype='object')

values 和第一个例子一样，但 index 这次就不是 RangeIndex 对象了，而是一个 Index 对象，里面保存了传入的作为索引的字符串数组。

总结一下，Series 可以看成是高级的列表或者字典。当不指定 index 时，Series 会生成默认的位置索引，这样的 Series 就像是一个列表。而当指定了 index 之后，则可以通过 index 列表中的元素来访问对应的 values 中的元素，就像字典的 key-value 结构一样。

整体来说，Series 通过将 index 和 values 分别存储的机制，实现了列表和字典的结合。

二维数据表：DataFrame

学习完了 Series，现在来看前文经常出现的 DataFrame。在前文的学习中，都是从各种文件中加载数据，之后直接存储为 DataFrame。这个部分一步步揭开 DataFrame 的面纱。

（1）DataFrame 的组成

根据前文学习的内容，DataFrame 是一个由行和列组成的二维表格。DataFrame 是由 Series 组成的，DataFrame 的某一行或某一列都是一个 Series。

通过代码确认这一点。将 tv_rating.csv 放在工作目录，新建 Cell，输入如下代码：

# 加载电视剧评分数据
df_rating = pd.read_csv("tv_rating.csv")
# 输出评分的 DataFrame
df_rating

输出为：

在上述表格中，无论是列（比如标题、评分）还是行（比如第二行、第三行）都是 Series。其中 title、rating、stars 则是列的索引，而 0、1、2...3599 是行的索引。

通过列名作为索引，单独输出某一列，比如评分这一列。

# 获取 rating 这一列，存储在 ser_rating 变量中
ser_rating = df_rating["rating"]
# 输出 ser_rating 这个 Series
print(ser_rating)
# 分割一下，方便查看
print("------------分割一下------------")
# 查看数据的类型
print(type(ser_rating))

输出结果为：

0       3.7分
1       4.0分
2       4.6分
3       3.4分
4       4.4分
        ...
3595    4.0分
3596    4.0分
3597    1.0分
3598    2.0分
3599    4.6分
Name: rating, Length: 3600, dtype: object
------------分割一下------------
<class 'pandas.core.series.Series'>

可以看到，评分这一列被打印出来，格式和上面学习的 Series 是一样的，左边是 index，右边是 values。之后通过 type 函数获得了 ser_rating 变量的类型，确实是 Series。

除了输出某一列，还可以用行索引来单独输出某一行。比如输出第二行：刘老根第三部，对应的索引是 1。用如下的代码获取这一行。

# DataFrame 通过 loc 函数可以查看行索引对应的值
# 取出行索引为 1 的行，存储在 ser_1 变量中
ser_1 = df_rating.loc[1]
# 打印 ser1 这个 Series
print(df_rating.loc[1])
# 分割一下，方便查看
print("------------分割一下------------")
# 查看数据的类型
print(type(df_rating.loc[1]))

输出为：

title                  刘老根第三部
rating                   4.0分
stars     主演赵本山,范伟,李静,闫学晶,王小宝
Name: 1, dtype: object
------------分割一下------------
<class 'pandas.core.series.Series'>

可以看到，拿到的 ser_1 仍然是一个 Series 类型的对象。左边的 title、rating、stars 是 index，右边的“刘老根第三部”“4.0分”等是 values。因为 ser_1 是一个 Series，所以如果要拿这一行中的某个数据，比如评分，直接写 ser_1["rating"] 就可以实现。

对比通过行索引取出的行 Series 和通过列索引取出的列 Series 不难发现，列 Series 的 index 是 DataFrame 的行头，而行 Series 的 index 则是 DataFrame 的列名。

（2）DataFrame 的创建

既然 DataFrame 是一个个 Series 组成的，那自然可以用 Series 来构造 DataFrame。

构造 DataFrame 最常见的方式是用多个行 Series 的形式来创建，不同的行 Series 的长度应该是一致的（因为表格中每一行的元素个数都需要相等）。

以如下表格为例，将其直接创建为一个 DataFrame。

新建 Cell，输入如下代码：

# 将列索引保存在 index_arr 变量中
index_arr = ["姓名", "年龄", "籍贯", "部门"]
# 构建小明、小亮、小E的行 Series，并使用创建好的 index_arr 作为 Series 的 index
ser_xiaoming = pd.Series(["小明", 22, "河北","IT部"], index= index_arr)
ser_xiaoliang = pd.Series(["小亮", 25, "广东","IT部"], index = index_arr)
ser_xiaoe = pd.Series(["小E", 23, "四川","财务部"], index=  index_arr)
# 直接将三个 Series 以列表的形式作为 DataFrame 的参数，创建 DataFrame
df_info = pd.DataFrame([ser_xiaoming, ser_xiaoliang, ser_xiaoe])
# 使用 notebook 打印 DataFrame
df_info

输出

可以看到，表格已经被成功打印出来，这说明已经将内容正确构建出了 DataFrame。

基本操作

下面讲解 DataFrame 和 Series 的常见操作。

（1）添加行

DataFrame 提供了 append 的方法，用于添加一行，用法如下：

# 新建一个行 Series，存储在 ser_xiaoh 变量中
ser_xiaoh = pd.Series(["小红", 28, "福建", "财务部"], index = index_arr)
# 调用 append 方法添加到 DataFrame 中
# 设置 ignore_index 的含义是让 DataFrame 自动生成行索引
# 调用 append 之后，会返回一个新的 DataFrame，将其保存回 df_info 变量
df_info = df_info.append(ser_xiaoh, ignore_index= True)
# 查看添加后的 DataFrame
df_info

输出后可以看到，小红的记录已经追加到了末尾。

（2）添加列

添加一列一般有两种情况。如果添加的列，所有行的值都相同，直接以单个值赋值给新添加的列即可。如下所示：

# 直接将新添加的列名当作 DataFrame 的列索引，对其赋新的值
df_info["考核结果"] = "合格"
# 查看
df_info

输出为：

但如果新添加的列，每一行的内容不是完全一样时，就需要将一个新的 Series 赋值给 DataFrame 中针对新列名的列 Series。

# 将新添加的 Series 赋值给 DataFrame 中新列名对应的列 Series
df_info["考核结果"] = pd.Series(["合格", "良好", "优秀", "良好"])
# 查看
df_info

输出结果为：

可以看到，列已经对应到了不同的行上面。有一点值得注意的是，第一次已经添加了“考核结果”这一列，每一行的值都是合格。后来对这一列赋值了一个新的 Series，修改了它的值。

所以，当对 DataFrame 某个列名对应的列 Series 赋值时，如果列名不存在，则会新建对应的列；而当列名存在时，则会修改原先列的值。

所以这个技术既能创建新的一列，也可以修改已有的列。

（3）删除行或列

DataFrame 提供了 drop 方法来删除某一行或者某一列。

先以删除列举例，比如删除刚才添加的“考核结果”这一列。

# labels 是要删除的列名
# axis = 1 代表要删除的是列
# inplace = True 代表删除直接在 df_info 中生效。
df_info.drop(labels = "考核结果", axis=1, inplace= True)
# 查看
df_info

输出结果如下，可以看到考核结果一列已经被删除。

接下来是删除行，以删除小 E 这一行为例：

# labels 是要删除行的 index，小E的index是2
# axis = 0 代表要删除的是行
df_info.drop(labels=2, axis=0, inplace=True)
# 查看
df_info

输出结果如下，可以看到小 E 那一行记录已经被成功删除。

（4）单个单元格的查看与修改

在上面的操作中，整体还是以 Series 维度的操作为主，比如修改 Series、增加 Series。如果只需要查看和修改其中某一个单元格的内容，虽然也可以通过上面的方法（比如首先获得单元格所在的行 Series 或列 Series，再用进一步的索引去获得单元格的内容），但这种方式比较麻烦，而且修改时可能会有问题。

对于单个单元格的查看和修改，推荐的方式是使用 DataFrame 的 loc 属性，可以一步到位指定定位到单元格。以查看小亮的籍贯，以及修改为广西这个任务为例，演示 loc 函数的用法。

查看单元格：

# loc 属性后面跟中括号，中括号里面第一个元素是行索引，第二个元素是列索引
# 小亮的行索引是1，想查看籍贯，所以列索引就是籍贯
df_info.loc[1, "籍贯"]

输出为：

'广东'

学会了查看之后，修改就比较简单了，直接给 loc 属性选出来的单元格赋值即可。

# 对行索引为1，列索引为籍贯的单元格赋值，赋值广西
df_info.loc[1, "籍贯"] = "广西"
# 查看 DataFrame
df_info

输出可以看到，小亮的籍贯已经被修改为广西。

（5）DataFrame 的排序

在数据分析任务中，对数据集进行排序是非常常见的诉求。拿电视剧评分的数据集来说，可能需要分析高分的电影和低分的电影分别都有什么特征。做这样的分析，首先第一步就需要将 DataFrame 按评分排序。以之前从 csv 加载的 DataFrame df_rating 为例。

DataFrame 提供了 sort_values 方法来实现排序，用法如下。

# by 参数代表要按 rating 这个列索引来排序
# inplace = True 的含义和上面说的一样，代表更新当前的 DataFrame，而不是返回一个新的
df_rating.sort_values(by = "rating", inplace=True)
# 查看排序后的 DataFrame
df_rating

输出为：

可以看到，整个 DataFrame 不再按行头的索引排序，而是按照电视剧的评分从低到高来排序了。

如果想看从高到低，自然也是支持的。只需要将是否升序排序的参数 ascending 设置为 False 即可。

# 在刚才的基础上，增加 ascending=False，代表按降序排序
df_rating.sort_values(by="rating", inplace=True, ascending=False)
# 查看
df_rating

输出如下所示，可以看到 DataFrame 已经变为评分从高到低排序了。

（6）取前 N 个和后 N 个

在排序后，要对数据表进行分析，比如对高分进行分析，往往需要多查看几个条目。但是每次输出 DataFrame 时，Notebook 一般只会选择前五个和末尾五个组成摘要进行表格的输出。如果默认的表格打印不满足需求，使用 DataFrame 的 head 函数和 tail 函数来输出前 N 个和后 N 个的数据。

举个例子，分别分析 20 条高分电视剧和 20 条低分电视剧，可以按如下方式实现：

# head 函数返回 DataFrame 的前 N 条记录，N 就是函数参数指定的值
# 这里指定 20
df_rating.head(20)

输出结果为：

输出最后的 20 条的原理是类似的，只不过换成 tail 函数。

# tail 函数，返回 DataFrame 的末尾的 N 条记录，N 就是函数的参数
# 这里的 N 指定 20
df_rating.tail(20)

输出如下所示，可以看到这次输出了 20 条都是 1 分的数据。

（7）获取 DataFrame 的行数和列数

很多时候，从数据文件加载为 DataFrame 时，首先会看这个 DataFrame 有多少行、多少列。DataFrame 提供了 shape 属性来返回行数和列数的信息。

shape 属性返回一个元组，这个数据结构之前没有学习过，不过可以简单把它当一个列表用即可。shape 属性返回的元组有两个元素，第一个就是行数，第二个就是列数。

以 df_rating 这个 DataFrame 为例，打印其行列数信息，代码如下：

# shape 属性，返回一个元祖，第一个是行数，第二个元素是列数
shape = df_rating.shape
# 打印行数和列数
print("行数:", shape[0])
print("列数:", shape[1])

输出后和数据集的情况是匹配的。

行数: 3600
列数: 3

pandas 数据结构关系

DataFrame 基本操作归类

小结

总结本文学习的内容。

首先，学习了一个计算机领域非常重要的概念——索引，这也是 pandas 中 DataFrame 很多操作的基础。索引之于数据就像目录之于书本内容，通过索引从一堆数据中取出所需的一个或多个数据。

然后，学习了 pandas 中的一维数据序列对象：Series。Series 融合了列表和字典的功能。通过把 index 和 values 分开存储，让它既能按照列表使用，也能按照字典使用。

之后，学习了 DataFrame 的基本概念。DataFrame 是由 Series 组成的二维数据表，DataFrame 的一行或一列都是一个 Series，自然用多个行 Series 或多个列 Series 来创建 DataFrame。

最后，学习了 DataFrame 的基本操作。

• 添加行：用 append 方法
• 添加列：将新增加的列 Series 通过列名作为列索引赋值给 DataFrame。
• 删除行或者列：用 drop 方法，通过 axis 参数控制删除行或删除列
• 单个单元格的查看与修改：loc 属性，中括号内第一个元素是行索引，第二个是列索引。
• 排序：用 sort_values 方法，by 参数指定要用哪一列作为排序标准，ascending 参数决定要升序还是降序。
• 取前 N 个和后 N 个：head 和 tail 函数，N 就是函数的参数。
• 获取行数和列数：shape 属性。

版本差异（数据科学栈 → 当前版本）

本文讲解的数据分析流程（读取→清洗→分析→可视化）与核心 API 在最新版本中成立；升级时重点关注 Pandas 3.0 的 Copy-on-Write 与 NumPy 2.x 的类型变化。