掌握这几个方法，让你轻松处理表格数据

import pandas as pd
# 从 CSV 文件读取数据
df = pd.read_csv('data.csv')
# 从 Excel 文件读取数据
df_excel = pd.read_excel('data.xlsx', sheet_name='Sheet1')

# 用 0 填充缺失值
df['column_name'] = df['column_name'].fillna(0)
# 删除包含缺失值的行
df = df.dropna()

# 删除完全相同的行
df = df.drop_duplicates()
# 删除指定列相同的行
df = df.drop_duplicates(subset=['column_name'])

# 将列转换为数值类型
df['column_name'] = pd.to_numeric(df['column_name'], errors='coerce')
# 将列转换为日期类型
df['date_column'] = pd.to_datetime(df['date_column'])

# 筛选年龄大于 30 的记录
df_filtered = df[df['age'] > 30]
# 筛选年龄大于 30 且城市为南京的记录
df_filtered = df[(df['age'] > 30) & (df['city'] == '南京')]

# 按年龄升序排序
df_sorted = df.sort_values('age')
# 按年龄降序、姓名升序排序
df_sorted = df.sort_values(['age', 'name'], ascending=[False, True])

# 按城市分组，计算平均年龄
df_grouped = df.groupby('city')['age'].mean()
# 按城市和性别分组，计算人数
df_grouped = df.groupby(['city', 'gender']).size()

# 合并两个 DataFrame，按 key 列进行内连接
df_merged = pd.merge(df1, df2, on='key', how='inner')
# 纵向拼接 DataFrame
df_concat = pd.concat([df1, df2], axis=0)

# 查看数值列的统计信息
print(df.describe())
# 查看所有列（包括非数值列）的统计信息
print(df.describe(include='all'))

# 计算每行年龄的平方
df['age_squared'] = df['age'] ** 2
# 根据条件创建新列
df['is_adult'] = df['age'].apply(lambda x: 'Adult' if x >= 18 else 'Minor')

# 导出为 CSV 文件
df.to_csv('output.csv', index=False)
# 导出为 Excel 文件
df.to_excel('output.xlsx', sheet_name='Sheet1', index=False)