构建AI智能体：五、Pandas常用函数介绍，CodeBuddy智能化处理Excel数据实例

import pandas as pds
s = pd.Series([3, 6, 9], index=['a', 'b', 'c'])

a    3
b    6
c    9
dtype: int64

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['NY', 'Paris', 'London']
}
df = pd.DataFrame(data)

df.head(2)      # 前2行
df.tail(1)      # 最后1行
df.shape        # 维度 (3, 3)
df.info()       # 数据类型和内存
df.describe()   # 数值列统计摘要
df.columns      # 显示所有列
df.values       # 显示所有值

df['Name']              # 单列 → Series
df[['Name', 'City']]    # 多列 → DataFrame
df.iloc[0]              # 第一行（按位置）
df.loc[0, 'Age']        # 第一行的Age值（按标签）

df[df['Age'] > 25]               # Age大于25的行
df.query("City == 'Paris'")      # 使用query方法

df.dropna()      # 删除含NaN的行
df.fillna(0)     # 将NaN替换为0

 df['Salary'] = [70000, 80000, 90000]  # 添加新列

 df.groupby('City')['Age'].mean()  # 按城市分组计算平均年龄

 df.sort_values('Age', ascending=False)  # 按年龄降序

 df.T   # 数据转置

# 读取CSV/Excel/SQL
df = pd.read_csv('data.csv')
df = pd.read_excel('data.xlsx')
# 保存数据
df.to_csv('new_data.csv', index=False)

df.rename()	#重命名列名
df.drop()	#删除行/列
pd.concat()	#合并多个DataFrame
df.merge()	#数据库风格的合并

import pandas as pd
# 读取员工基本信息表的前5行
def read_employee_info():
    try:
        df = pd.read_excel('员工基本信息表.xlsx', nrows=5)
        print("员工基本信息表的前5行数据：")
        print(df)
    except Exception as e:
        print(f"读取员工基本信息表时出错: {e}")
# 读取员工绩效表的前5行
def read_employee_performance():
    try:
        df = pd.read_excel('员工绩效表.xlsx', nrows=5)
        print("员工绩效表的前5行数据：")
        print(df)
    except Exception as e:
        print(f"读取员工绩效表时出错: {e}")
if __name__ == "__main__":
    read_employee_info()
    read_employee_performance()

import pandas as pd
import numpy as np
# 读取员工基本信息表
def read_employee_info():
    try:
        df = pd.read_excel('员工基本信息表.xlsx')
        print("员工基本信息表读取成功！")
        return df
    except Exception as e:
        print(f"读取员工基本信息表时出错: {e}")
        return None
# 添加2024年第4季度绩效数据
def add_performance_data(df):
    if df is not None:
        # 假设绩效数据为随机生成（范围：1.0-5.0）
        np.random.seed(42)  # 确保结果可复现
        df['2024年第4季度绩效'] = np.random.uniform(1.0, 5.0, size=len(df)).round(2)
        print("绩效数据添加完成！")
        return df
    else:
        print("无法添加绩效数据：员工信息为空！")
        return None
# 保存到新文件
def save_to_new_file(df):
    if df is not None:
        new_file = '员工信息及绩效表.xlsx'
        df.to_excel(new_file, index=False)
        print(f"数据已保存到 {new_file}")
    else:
        print("无法保存：数据为空！")
if __name__ == "__main__":
    employee_df = read_employee_info()
    employee_with_performance = add_performance_data(employee_df)
    save_to_new_file(employee_with_performance)