pandas如何像数据库一样

Pandas 是一个强大的 Python 数据分析库，虽然它不是数据库，但它提供了许多与数据库相似的功能，可以用来进行数据操作和分析。以下是一些Pandas如何像数据库一样使用的方法：

1. 数据读取与存储：

与数据库相似，Pandas 可以读取和写入各种格式的数据文件，如 CSV、Excel、HDF5、Parquet 等。

使用 `pandas.read_csv('data.csv')` 读取 CSV 文件，类似于 SQL 中的 `SELECT FROM table;`。

2. 数据选择：

使用 `.loc` 或 `.iloc` 进行数据行和列的选择，类似于 SQL 中的 WHERE 子句。

例如，选择满足特定条件的行：`df.loc[df['column'] > 10]`。

3. 数据过滤：

可以使用布尔索引对数据进行过滤，类似于 SQL 中的 WHERE 子句。

例如，`df[df['column'] > 10]`。

4. 数据排序：

使用 `.sort_values()` 方法对数据进行排序，类似于 SQL 中的 ORDER BY 子句。

例如，`df.sort_values(by='column', ascending=True)`。

5. 数据聚合：

使用 `.groupby()` 方法对数据进行分组，并使用 `.agg()` 或 `.sum()` 等函数进行聚合，类似于 SQL 中的 GROUP BY 和聚合函数。

例如，`df.groupby('column').agg({'other_column': 'mean'