GOOGLE AI模式在撰寫模式貼上

Pandas DataFrame 是 Python 中最核心的雙維度表格型資料結構，類似於 Excel 試算表或 SQL 資料表。它包含有序的欄位（Columns）與橫列（Rows），且每欄可以儲存不同的資料型態（如整數、字串、浮點數）。 [1, 2, 3]

1. 建立 DataFrame [1, 2]

開發者通常透過 W3Schools Pandas 課程學習基礎建置，最常見的方法是傳入 Python 字典或讀取外部檔案： [1, 2, 3, 4]

python

import pandas as pd

# 方法 A：使用字典建立（Key 為欄位名，Value 為資料列表）
data = {
    "Name": ["Mike", "Sherry", "Cindy"],
    "Age": [20, 21, 19]
}
df = pd.DataFrame(data)

# 方法 B：讀取 CSV 檔案
# df = pd.read_csv('data.csv')

請謹慎使用程式碼。

2. 核心屬性與檢視方法

建立物件後，可利用 Pandas 官方 API 說明提供的屬性快速掌握資料輪廓： [1, 2, 3, 4]

df.shape：傳回資料列數與欄數的元組（Tuple）。
df.columns：列出所有欄位名稱。
df.index：列出列索引標籤。
df.info()：顯示資料型態、記憶體用量與非空值計數。
df.head(n)：預覽前 n 筆資料（預設為 5 筆）。
df.describe()：輸出數值欄位的統計資訊（如平均值、標準差）。 [1, 2, 3, 4, 5]

3. 資料篩選與選取

根據 Pandas 索引指南，主要選取方式分為標籤定位與位置定位： [1, 2, 3]

選取特定欄位：df['Name']（傳回單維度的 Pandas Series）。
標籤選取（.loc）：df.loc[0] 根據行或列的名稱/標籤提取資料。
座標選取（.iloc）：df.iloc[0, 1] 嚴格依據整數位置索引進行切片選取。
條件篩選：df[df['Age'] > 20] 篩選出符合特定布林條件的資料列。 [1, 2, 3, 4, 5]

4. 常見資料操作

處理實際專案時，經常需要重新調整資料結構： [1, 2]

新增欄位：df['New_Column'] = value 直接賦值即可追加至最後一欄。
重設索引：df.reset_index(drop=True) 清除因篩選或排序造成跳號的索引。
合併表格：df1.merge(df2, on='Key') 執行類似 SQL 的關聯式欄位合併。 [1]

學生作業

林新茁
514來上課，就是超級優秀，當你們那群糜爛女同學的表率！https://linxinzhuo.blogspot.com/2026/05/youtube-video-player.html
期中考，修改完成。做作業，一定要完整，免得留下不完整的紀錄。https://linxinzhuo.blogspot.com/2026/05/blog-post.html
309EXCEL提醒那些女同學要和你學習。 https://linxinzhuo.blogspot.com/2026/03/excelpythoncsvmatplotlib.html
2026/5/15批閱，我只看到四月九日的網頁。如果你積極、多寫、提升品質，就可以搜尋得到，向你們余末姚等人示範。https://linxinzhuo.blogspot.com/2026/04/import-csv-csvcomma-separated-value.html
蘇柏丞
google「蘇柏丞python」
陳冠丞
google「陳冠丞python」
林昱辰