作为入门一个多月的Python的入门者，如果以下分享对你有用，可以点赞，互相关注一哈，一起努力学习！有错误的可以在评论区留言。
1,将下面的字典创建为DataFrame
import numpy
import pandas as pd
data={"course":["Math","Chinese","English","History",np.nan,"Phycial","Python"],"score":[110,134,158,123,np.nan,710,110]}
df=pd.DataFrame(data)
df
course score
0 Math 110.0
1 Chinese 134.0
2 English 158.0
3 History 123.0
4 NaN NaN
5 Phycial 710.0
6 Python 110.0
注释1:
import
import()是python的一个内置函数，用于动态加载类和函数。
numpy
numpy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
通常读音【num pai】
pandas
pandas是python的一个数据分析包，提供了大量能使我们快速便捷地处理数据的函数和方法。
as
导入模块时对模块进行重命名，也就是给模块起一个别名。
注释2:
字典也是 Python 提供的一种常用的数据结构，它用于存放具有映射关系的数据。比如有份成绩表数据，语文：79，数学：80，英语：92，这组数据看上去像两个列表，但这两个列表的元素之间有一定的关联关系。如果单纯使用两个列表来保存这组数据，则无法记录两组数据之间的关联关系。
注释3:
DataFrame 一个表格型的数据结构，既有行标签（index），又有列标签（columns），它也被称异构数据表，所谓异构，指的是表格中每列的数据类型可以不同，比如可以是字符串、整型或者浮点型等。
注释4:
由以上那个代码运行（df=pd.DataFrame(data)可以知，df为生成的一个对象（object），可以通过df访问到该数据结构的内容。
2.提取含有字符串“course列为Python”的行
df[df["course"]=="Python"]
course score
6 Python 10.0
注释5:
df["course"]可以访问到course所在列在所有元素，而df访问到整个表格。
3.提取分值为110所在的行¶
df[df["score"]==110]
course score
0 Math 110.0
6 Python 110.0
4.打印df对象所在的列标签
print(df.columns)
Index(['grammer', 'score'], dtype='object')
print(df)
grammer score
0 Python 1.0
1 C 2.0
2 java NaN
3 Go 4.0
4 NaN 5.0
5 SQL 6.0
6 PHP 7.0
7 Python 10.0
注释6:
df.columns访问到所在的列标签
5.修改第二列名成为“popularity”
df.rename(columns={"score":"popularity"},inplace=True)
df
course popularity
0 Math 110.0
1 Chinese 134.0
2 English 158.0
3 History 123.0
4 NaN NaN
5 Phycial 710.0
6 Python 110.0
6.统计course列中每种编程语言出现的次数
df["course"].value_counts()
Math 1
Chinese 1
English 1
History 1
Phycial 1
Python 1
Name: course, dtype: int64
7.统计popularity列中每种编程语言出现的次数
df["popularity"].value_counts()
110.0 2
134.0 1
158.0 1
123.0 1
710.0 1
Name: popularity, dtype: int64
df["popularity"]
0 110.0
1 134.0
2 158.0
3 123.0
4 NaN
5 710.0
6 110.0
Name: popularity, dtype: float64
注释7:
df.value_counts()可以计算出每行出现的次数，同理df["popularity"].value_counts()可以计算出popularity列中每行出现的次数。
注释8:
rename表示重新命名，df.rename(columns={"A":"B"})将A标签修改成B标签。