117笔记问答Python 可以使用多种库来处理表格数据，其中最流行的是 pandas 库。
使用 pandas 可以读取、处理和分析表格数据。下面是一些常见的操作：
- 读取表格数据：可以使用 pandas 的
read_csv()函数来读取 CSV 文件，也可以使用read_excel()函数来读取 Excel 文件。
import pandas as pd
# 读取 CSV 文件
data = https://www.yisu.com/ask/pd.read_csv('data.csv')
# 读取 Excel 文件
data = https://www.yisu.com/ask/pd.read_excel('data.xlsx')
- 查看数据：使用
head()函数可以查看表格的前几行数据，默认为前 5 行，也可以指定查看的行数。
# 查看前 5 行数据 data.head() # 查看前 10 行数据 data.head(10)
- 筛选数据：可以使用条件语句来筛选数据，例如筛选某一列满足特定条件的行。
# 筛选某一列满足条件的行 filtered_data = https://www.yisu.com/ask/data[data['column_name'] > 10]
- 排序数据：使用
sort_values()函数可以对表格数据进行排序，可以指定排序的列和排序的顺序。
# 按某一列进行升序排序
sorted_data = https://www.yisu.com/ask/data.sort_values('column_name')
# 按某一列进行降序排序
sorted_data = https://www.yisu.com/ask/data.sort_values('column_name', ascending=False)
- 数据统计：使用
describe()函数可以对表格数据进行统计分析，包括计数、均值、标准差等。
# 对数值列进行统计分析 data.describe()
- 数据处理：可以使用 pandas 提供的各种函数对数据进行处理，例如删除重复行、填充缺失值、计算列间的相关性等。
# 删除重复行 data.drop_duplicates() # 填充缺失值 data.fillna(value) # 计算列间的相关性 data.corr()
以上是一些常见的表格数据处理操作，使用 pandas 可以灵活处理各种复杂的表格数据。