pip install pandas

import pandas as pd

# 創建示例數據（字典格式）
data = {
    '姓名': ['張三', '李四', '王五', '趙六'],
    '年齡': [25, 30, 28, 35],
    '城市': ['北京', '上海', '廣州', '深圳'],
    '得分': [85.5, 90.0, 78.5, 92.3]
}
df = pd.DataFrame(data)  # 將字典轉換為DataFrame

# 讀取外部文件（注：需要文件路徑）
# df = pd.read_csv('data.csv')  # 讀取CSV
# df = pd.read_excel('data.xlsx')  # 讀取Excel

print("數據集：")
print(df)

# 顯示前3行數據
print(df.head(3))  # 默認顯示5行

# 顯示維度信息
print("數據維度（行數,列數）：", df.shape)

# 顯示各字段數據類型
print("數據類型：\n", df.dtypes)

# 顯示統計摘要（僅數值列）
print("統計摘要：\n", df.describe())

# 篩選特定列
name_score = df[['姓名', '得分']]  # 雙括號返回DataFrame

# 按行篩選（年齡大于28）
age_filter = df[df['年齡'] > 28]  # 布爾篩選

# 多條件篩選（年齡>25且城市為北京）
complex_filter = df[(df['年齡'] > 25) & (df['城市'] == '北京')]

# 使用isin進行篩選
city_filter = df[df['城市'].isin(['北京', '廣州'])]

# 生成含缺失值的數據
import numpy as np
data_with_nan = {
    'A': [1, np.nan, 3],
    'B': [4, 5, np.nan]
}
nan_df = pd.DataFrame(data_with_nan)

# 刪除包含缺失值的行
clean_df = nan_df.dropna()  # 默認axis=0：刪除行

# 填充缺失值
filled_df = nan_df.fillna(0)  # 用0填充
filled_mean = nan_df.fillna(nan_df.mean())  # 使用列均值填充

# 按年齡升序排列
sorted_age = df.sort_values('年齡')  # ascending=True默認升序

# 多重排序（先按得分降序，再按年齡升序）
multi_sorted = df.sort_values(['得分', '年齡'], ascending=[False, True])

# 按城市分組計算平均年齡
grouped = df.groupby('城市')['年齡'].mean()

# 多維度聚合（同時計算年齡均值和得分總和）
agg_result = df.groupby('城市').agg({
    '年齡': 'mean',
    '得分': 'sum'
})

# 創建新數據集
new_data = {
    '姓名': ['錢七', '孫八'],
    '年齡': [29, 31],
    '城市': ['杭州', '成都'],
    '得分': [88.0, 84.5]
}
df_new = pd.DataFrame(new_data)

# 縱向合并（追加記錄）
combined = pd.concat([df, df_new], axis=0)  # axis=0縱向合并

# 橫向合并（需共同字段）
other_info = pd.DataFrame({
    '姓名': ['張三', '李四'],
    '部門': ['技術部', '市場部']
})
merged = pd.merge(df, other_info, on='姓名')

# 創建時間序列數據
date_rng = pd.date_range(start='2023-01-01', periods=5, freq='D')
time_df = pd.DataFrame({
    'date': date_rng,
    'value': [100, 115, 95, 110, 120]
})

# 設置日期索引
time_df.set_index('date', inplace=True)

# 重采樣（按周計算均值）
weekly_mean = time_df.resample('W').mean()

# 定義年齡分段函數
def age_group(age):
    if age < 30:
        return'青年'
    elif age < 40:
        return'中年'
    else:
        return'資深'

# 添加新列
df['年齡段'] = df['年齡'].apply(age_group)

# 使用lambda表達式轉換得分
df['得分等級'] = df['得分'].apply(lambda x: '優'if x >=90else'良')

# 保存為CSV文件（不要保存索引）
df.to_csv('processed_data.csv', index=False)

# 保存為Excel文件
df.to_excel('processed_data.xlsx', index=False)

# 保存為JSON格式
df.to_json('processed_data.json', orient='records')