科普：python的pandas包中的DataFrame就是二维表

一、DataFrame 本质 = 带表头 + 行号的二维表

pandas 的 DataFrame 就是一个 二维表**

它自带的所有属性，都是为了描述这个二维表的：

行、列、值、形状、类型......**

        df.columns（列名 / 表头）
          ↓        ↓
      'card_id' 'amount'  ← 列名
        ┌───────┬────────┐
row 0   │ user1 │ 10     │  ← df.values[0]
row 1   │ user1 │ 20     │  ← df.values[1]
row 2   │ user2 │ 50     │  ← df.values[2]
        └───────┴────────┘
  ↑
df.index（行索引 / 行号）

---

① df.index

行索引（最左边那列）

0  
1  
2

② df.columns

列名（最上面那行）

['card_id', 'amount']

③ df.values

纯数据（去掉行号、表头）

[
 ['user1', 10],
 ['user1', 20],
 ['user2', 50]
]

④ df.shape

几行几列

(3, 2)  → 3行，2列

⑤ df.size

总单元格数量

3 × 2 = 6

⑥ df.dtypes

每一列的数据类型

card_id    object
amount      int64

---

DataFrame = index（行） + columns（列） + values（数据）

• 行：index
• 列：columns
• 数据：values

---

二、pandas 索引器

假设我们有一张表，长这样：

行索引(index)	card_id	amount	city
0	user1	10	北京
1	user1	20	上海
2	user2	50	广州

---

1. df['列名'] → 取列

• 对应二维表 ：取出某一列/几列（竖条）

# 取出 amount 这一列
df['amount']

结果：

0    10
1    20
2    50
Name: amount, dtype: int64

---

2. df.loc['行标签'] → 按标签取行/列

# 1. 取行（取 index=0 那一行）
df.loc[0]

# 2. 取单元格（取第0行、city列的值）
df.loc[0, 'city']

结果：

'北京'

---

3. df.iloc[行号] → 按位置取行/列

# 1. 取行（取第0行，第1个位置的行）
df.iloc[0]

# 2. 取单元格（取第0行、第2列的值），索引列不计列数
df.iloc[0, 2]

结果：

'北京'

---

4. df.at['行标签', '列名'] → 快速取单个值（最快）

# 直接定位：行标签是0，列名是 city
df.at[0, 'city']

结果：

'北京'

---

"一题多解"的对比（取 user1 的第一笔金额）

方法	代码	结果	评价
loc	df.loc[0, 'amount']	10	最推荐，可读性好
iloc	df.iloc[0, 1]	10	精准，知道列在第几个位置
at	df.at[0, 'amount']	10	最快，只取一个值

---

三、举例

df.columns = cols[:1] + [co + '_hist' for co in cols[1:]]

功能：对列名重新命名
给列名批量加后缀 _hist，但第一列 card_id 保持不变！

---

拆解成 3 步看

① cols[:1]

保留第一列名不变

['card_id']

② cols[1:]

从第二列开始到最后的所有列

['A', 'B', 'C']

③ [co + '_hist' for co in cols[1:]]

给后面每一列都加上 _hist

['A_hist', 'B_hist', 'C_hist']

④ 拼起来

['card_id'] + ['A_hist', 'B_hist', 'C_hist']
→ ['card_id', 'A_hist', 'B_hist', 'C_hist']

---