pandas是Python的扩展库（第三方库），为Python编程语言提供 高性能、易于使用的数据结构和数据分析工具。

pandas官方文档：User Guide — pandas 2.2.2 documentation (pydata.org)

帮助：可使用help(...)查看函数说明文档（若是第三方库的函数，需先导入库）。例如：help(pd.DataFrame)

补充：Series和DataFrame

• Series索引标签（label）：Series中index的内容，可通过Series.index查看索引标签。
• Series索引位置（position）：Series中index的隐藏下标，从0开始。
• DataFrame索引标签（label）：DataFrame中行索引标签为index的内容，可通过DataFrame.index查看行索引标签。列索引标签为columns的内容（即列名），可通过DataFrame.columns查看列索引标签。
• DataFrame索引位置（position）：DataFrame中index和columns的隐藏下标，都从0开始。

---

Python代码中，导入pandas：

import pandas as pd

---

（1）查看指定数据：head方法,  tail方法, values属性

Series：

• Series.head()：默认查看Series 前5个数据。
• Series.head(num)：查看Series 前num个数据。
• Series.tail()：默认查看Series 最后5个数据。
• Series.tail(num)：查看Series 最后num个数据。
• Series.values：查看Series 所有数据。

DataFrame：

• DataFrame.head()：默认查看DataFrame 前5行数据。
• DataFrame.head(num)：查看DataFrame 前num行数据。
• DataFrame.tail()：默认查看DataFrame 最后5行数据。
• DataFrame.tail(num)：查看DataFrame 最后num行数据。
• DataFrame.values：查看DataFrame 所有数据。

---

（2）查看单个数据：at, iat

Series：

• Series.at(label)：通过索引标签label查看单个数据。可赋值修改其数据。
• Series.iat(position)：通过索引位置position查看单个数据。可赋值修改其数据。

DataFrame：

• DataFrame.at(行label, 列label)：通过索引标签label从单行单列中查看单个数据。可赋值修改其数据。
• DataFrame.iat(行position, 列position)：通过索引位置position从单行单列中查看单个数据。索引位置position从0开始。可赋值修改其数据。

---

（3）查看指定数据：loc, iloc

Series：

• Series.loc[label]：通过索引标签label查看数据。可赋值修改其数据。
• Series.loc[ [label1, label2, ...] ]：查看多个索引标签label对应的数据。
• Series.loc[ label1 : label2]：查看两个索引标签label之间的数据。若没有label1，则从第一个开始，若没有label2，则到最后一个。可赋值修改其数据。
• Series.iloc[position]：通过索引位置position查看数据。可赋值修改其数据。
• Series.iloc[ [position1, position2, ...] ]：查看多个索引位置position对应的数据。
• Series.iloc[ position1 : position2]：查看两个索引位置position之间的数据。若没有position1，则从第一个开始，若没有position2，则到最后一个。可赋值修改其数据。
• 注：索引位置position，从0开始。

• Series.loc[bool]：通过布尔列表/数组获取对应的数据。可赋值修改其数据。
• Series.iloc[bool]：通过布尔列表/数组获取对应的数据。可赋值修改其数据。

DataFrame：（loc）

• DataFrame.loc[行label]：查看行索引标签label的整行数据。
• DataFrame.loc[行label1 : 行label2]：查看行索引标签 label1到label2 之间连续的整行数据。若没有行label1，则从第一行开始，若没有行label2，则到最后一行。
• DataFrame.loc[ [行label1, 行label2, ...] ]：查看行索引标签 label1、label2...的整行数据。
• DataFrame.loc[ : , 列label]：查看列索引标签label的整列数据。
• DataFrame.loc[ : , 列label1 : 列label2]：查看列索引标签 label1到label2 之间连续的整列数据。若没有列label1，则从第一列开始，若没有列label2，则到最后一列。
• DataFrame.loc[ : , [列label1, 列label2, ...] ]：查看列索引标签 label1、label2...的整列数据。

• DataFrame.loc[行label, 列label]：查看行索引标签label、列索引标签label的单个数据。
• DataFrame.loc[ [行label1 , 行label2, ...], [列label1 , 列label2, ...] ]：查看行索引标签label1,label2...、列索引标签label1,label2...的数据。
• DataFrame.loc[行label1 : 行label2, 列label1 : 列label2]：查看行索引标签 label1到label2、列索引标签 label1到label2 的数据。若没有行label1则从第一行开始，若没有行label2则到最后一行，若没有列label1则从第一列开始，若没有列label2则到最后一列。

• DataFrame.loc[bool]：通过布尔列表/数组获取True的整行数据。
• DataFrame.loc[ : , bool]：通过布尔列表/数组获取True的整列数据。
• DataFrame.loc[bool, 列label相关]：通过布尔列表/数组获取True的行且部分列的数据。"列label相关"：可以是单列、列表表示的多列、: 表示的连续的多列。

DataFrame.loc[...] 可修改数据。

DataFrame：（iloc）

• DataFrame.iloc[行position]：查看行索引位置position的整行数据。
• DataFrame.iloc[行position1 : 行position2]：查看行索引位置 position1到position2（不含）之间连续的整行数据。若没有行position1，则从第一行开始，若没有行position2，则到最后一行。
• DataFrame.iloc[ [行position1, 行position2, ...] ]：查看行索引位置position1,position2...的整行数据。
• DataFrame.iloc[ : , 列position]：查看列索引位置position的整列数据。
• DataFrame.iloc[ : , 列position1 : 列position2]：查看列索引位置 position1到position2（不含）之间连续的整列数据。若没有列position1，则从第一列开始，若没有列position2，则到最后一列。
• DataFrame.iloc[ : , [列position1, 列position2, ...] ]：查看列索引位置position1,position2...的整列数据。

• DataFrame.iloc[行position, 列position]：查看行索引位置position、列索引位置position的单个数据。
• DataFrame.iloc[ [行position1 , 行position2, ...], [列position1 , 列position2, ...] ]：查看行索引位置position1,position2...、列索引位置position1,position2...的数据。
• DataFrame.iloc[行position1 : 行position2, 列position1 : 列position2]：查看行索引位置position1到position2（不含）、列索引位置position1到position2（不含）的数据。若没有行position1则从第一行开始，若没有行position2则到最后一行，若没有列position1则从第一列开始，若没有列position2则到最后一列。
• 注：行/列索引位置position，都从0开始。

• DataFrame.iloc[bool]：通过布尔列表/数组获取True的整行数据。
• DataFrame.iloc[ : , bool]：通过布尔列表/数组获取True的整列数据。

DataFrame.iloc[...] 可修改数据。

补充：

DataFrame中loc和iloc共同点：

• DataFrame.loc[行标签, 列标签]，DataFrame.iloc[行位置, 列位置]。都是 [ 行, 列 ]。
• 行/列都可以单个，也可以使用列表表示多个，也可以使用 : 表示连续行或列。也可以使用布尔列表/数组。

DataFrame中loc和iloc区别：

• loc通过行/列索引标签（label）获取数据。iloc通过行/列索引位置（position）获取数据。索引位置从0开始。
• : 连续行或列时，loc包含起始和结束标签的行/列。iloc包含起始行/列，不包含结束行/列。

---

（4）查看整列整行数据：[ ]

DataFrame.loc[...]，DataFrame.iloc[...]，都可以查看整列或整行数据。

• DataFrame[列label]：查看列索引标签label的整列数据。
• DataFrame[ [列label1, 列label2, ...] ]：查看列索引标签 label1、label2...的整列数据。
• DataFrame[行position1 : 行position2]：查看行索引位置position1到position2（不含）的整行数据。若没有行position1，则从第一行开始，若没有行position2，则到最后一行。索引位置position从0开始。

DataFrame[条件]：通过条件筛选数据。

DataFrame[...] 可修改数据。

---

（5）随机查看数据:sample

sample(self: 'NDFrameT', n: 'int | None' = None, frac: 'float | None' = None, replace: 'bool_t' = False, weights=None, random_state: 'RandomState | None' = None, axis: 'Axis | None' = None, ignore_index: 'bool_t' = False) -> 'NDFrameT'

• DataFrame.sample(num)：默认axis=0，随机挑选num行数据。
• DataFrame.sample(num, axis=1)：axis=1，随机挑选num列数据。
• DataFrame.sample(frac=指定权重, replace=True)：默认axis=0，n=行数*权重（若n不为整数，向上取整），n次随机挑选1行数据。
• DataFrame.sample(frac=指定权重, replace=True, axis=1)：axis=1，n=列数*权重（若n不为整数，向上取整），n次随机挑选1列数据。