pandas 中 DataFrame、mean()、groupby 和 fillna 函数的核心作用

• DataFrame 是 pandas 中用于存储和操作二维表格数据的核心数据结构；
• mean() 用于计算数据的平均值；
• groupby() 实现按列分组后进行聚合分析；
• fillna() 用于填充缺失值（NaN），保证数据完整性 。

import pandas as pd
import numpy as np

data = {
        '姓名':['张三','李四','王五'],
        '年龄':[25,30,35],
        '城市':['北京','上海','广州'],
        '工资':[5000,8000,6000]}
df = pd.DataFrame(data)
print("原始数据:")
print(df)

#数据筛选
print("\n年龄大于27的员工:")
print(df[df['年龄']>27])

#分组统计
print("\n各城市平均工资水平:")
print(df.groupby('城市')['工资'].mean())

#处理缺失值
df_with_na = pd.DataFrame({'A':[1,2,np.nan,4],'B':[5,np.nan,np.nan,8]})
print("\n填充缺失值:")
print(df_with_na.fillna(df_with_na.mean()))

运行效果图：

• 

•