以下是專為小白設計的 Pandas數據查看與選擇 學習內容，從基礎到應用逐步講解，附帶清晰示例和注意事項：

---

一、數據查看：快速了解你的數據

1. head() 和 tail()

• 作用：查看數據的前幾行或后幾行，默認顯示5行。
• 示例：

  import pandas as pd
  df = pd.read_csv("data.csv")  # 假設讀取了一個數據表# 查看前3行
  print(df.head(3))  
  # 查看后2行
  print(df.tail(2))
  

2. info()

• 作用：顯示數據的基本信息（行數、列名、數據類型、非空值數量）。
• 示例：

  df.info()
  

  輸出示例：

  <class 'pandas.core.frame.DataFrame'>
  RangeIndex: 100 entries, 0 to 99
  Data columns (total 3 columns):#   Column  Non-Null Count  Dtype  
  ---  ------  --------------  -----  0   Name    100 non-null    object 1   Age     95 non-null     float642   Score   90 non-null     float64
  

3. describe()

• 作用：生成數值型列的統計摘要（均值、標準差、最小值、最大值等）。
• 示例：

  df.describe()
  

  輸出示例：

               Age       Score
  count   95.000000   90.000000
  mean    28.526316   85.300000
  std      4.123456    5.678901
  min     18.000000   60.000000
  25%     25.000000   82.000000
  50%     28.000000   85.000000
  75%     32.000000   89.000000
  max     40.000000   99.000000
  

---

二、數據選擇：精準定位你要的數據

1. 列選擇

• 方法1：直接通過列名選擇單列（返回Series）。

  df["Name"]  # 選擇“Name”列
  

• 方法2：選擇多列（返回DataFrame）。

  df[["Name", "Score"]]  # 同時選擇兩列
  

• 方法3：用點符號選擇列（僅限列名無空格、無特殊符號時）。

  df.Age  # 等效于 df["Age"]
  

2. 行選擇

• 方法1：通過行索引標簽選擇（loc）。

  df.loc[0]      # 選擇索引為0的行
  df.loc[0:5]    # 選擇索引0到5的行（包含5）
  

• 方法2：通過行位置選擇（iloc）。

  df.iloc[0]     # 選擇第1行
  df.iloc[0:5]   # 選擇第1到第5行（不包含5）
  

3. 條件篩選

• 單條件篩選：

  # 篩選年齡大于30的行
  df[df["Age"] > 30]
  

• 多條件組合：

  # 篩選年齡>25 且 分數>80的行（注意括號）
  df[(df["Age"] > 25) & (df["Score"] > 80)]
  

• 模糊匹配：

  # 篩選名字包含“張”的行
  df[df["Name"].str.contains("張")]
  

---

三、常見問題與注意事項

1. 為什么用 loc 和 iloc？

   • loc 按標簽選擇（如索引名是字符串時用），iloc 按位置選擇（類似列表索引）。

2. 條件篩選后如何修改數據？

   • 先篩選再賦值，避免鏈式操作：

     df.loc[df["Age"] > 30, "Score"] = 100  # 正確寫法
     

3. 為什么 df[df.Age > 30] 可以運行？

   • 這是條件篩選的簡寫形式，等價于 df[df["Age"] > 30]。

---

四、實際應用場景示例

1. 查看數據概覽：

   df.head()      # 看前5行
   df.describe()  # 分析數值分布
   

2. 提取關鍵信息：

   high_score = df[df["Score"] > 90]  # 篩選高分學生
   

3. 處理缺失值：

   df.dropna(subset=["Age"])  # 刪除“Age”列缺失的行
   

---

五、練習小任務

1. 加載你的數據集，用 head(10) 查看前10行。
2. 用 info() 查看數據有多少列，哪些列有缺失值？
3. 篩選出“年齡”大于25歲且“分數”低于60分的所有行。

---

通過這4個查看方法和3種選擇操作，你已經可以快速上手Pandas的基礎數據處理啦！后續可學習更復雜的操作如分組、合并等。