数据框（DataFrame）是一种二维的数据结构，用于存储和处理表格数据，它具有行和列的标签。创建数据框对象时需要分别指定行、列标签。导入惯例为 import pandas as pd，以及 from pandas import DataFrame。
常用两种方法创建数据框。其一，从字典创建：字典的键成为列标签，再用 index 参数指定行标签。例如 data = {'平安科技':[45.2,47.1,46.5,49.8], '南方通信':[31.9,27.3,25.2,24.5], '幸福银行':[3.4,4.6,5.2,6.8]}，再执行 df = DataFrame(data, index=['2024-01','2024-02','2024-03','2024-04'])。其二，从二维列表创建：二维列表的元素成为数据框的行数据，再用 index 指定行标签、columns 指定列标签，例如 DataFrame(data, columns=col, index=ind)。两种方法可得到结构相同的数据框。
创建后可在末尾追加新行。pandas 2.x 使用 concat()：先把新行做成数据框，如 new_row = pd.DataFrame({'平安科技':45.6, '南方通信':26.4, '幸福银行':5.8}, index=['2024-05'])，再 df = pd.concat([df, new_row])。pandas 1.x 可用 append()：若参数是带 name 属性的序列，name 作为新行的行标签；若参数是字典或无 name 的序列，需设置 ignore_index=True 自动生成行索引，此时原有行标签也会被重建为 0、1、2…。append() 生成新对象而不修改原对象，要更新需把返回值赋回，如 df = df.append(参数)。增加新列可直接赋值：对象['新列名'] = 数据，数据可以是列表或序列对象，长度要与原对象相同，例如 df['三一重工'] = [14.2, 15.6, 17.8, 16.5]。
删除行和列使用数据框的 drop() 方法，格式为 对象.drop('标签名', axis, inplace)。删除行时标签名为行标签，axis 为 0 或不提供该参数，如 df.drop('2024-02')；删除列时标签名为列标签，axis 为 1，如 df.drop('幸福银行', axis=1)。inplace 为 True 时直接修改原始对象，否则生成一个新对象。
sort_values() 用于根据指定列对数据进行排序，能够对一列或多列按升序或降序排列，默认升序。例如 df.sort_values(by='体重') 按体重升序；ascending=False 为降序；by=['年龄','体重'] 表示先按年龄排序，年龄相同再按体重排。易错点：pandas 2.x 追加行应使用 concat()，1.x 的 append() 在新版本中已移除；drop() 与 append() 默认都不修改原对象；删列必须指定 axis=1，否则会按行标签查找；新列赋值的长度必须与行数一致。
DataFrame 或 pd.DataFrame。index 指定行标签；从二维列表创建：行数据加 index 与 columns。concat() 追加行；1.x 可用 append()，带 name 的序列用 name 作行标签，字典需 ignore_index=True。对象['新列名'] = 数据，列表或序列长度须与行数相同。drop() 删行默认 axis=0，删列必须 axis=1；inplace=True 才改原对象。sort_values(by=...) 默认升序，多列时按关键字依次排序。