pandas 是一個強大的Python庫，用於處理和分析結構化數據。它提供了許多方法來操作和分析數據框。以下是一些常用的方法：
創建數據框。使用 `read_csv()` 或 `read_excel()` 從CSV或Excel檔案中讀取數據，或者使用 `DataFrame()` 從列表或字典創建數據框。
查看數據。使用 [head](){"sa":"re_dqa_zy","icon":1}\(\)\ 查看數據框的前幾行，使用 [tail](){"sa":"re_dqa_zy","icon":1}\(\)\ 查看後幾行，使用 `describe()` 查看數據的描述性統計信息，如最大值、最小值、平均值和標準差等。
索引和選擇數據。使用 `loc[]` 和 `iloc[]` 方法進行索引和選擇，`loc[]` 用於基於標籤選擇數據，而 `iloc[]` 用於基於行和列的位置選擇數據。
運算元據。使用 [mean](){"sa":"re_dqa_zy","icon":1}\(\)\ 計算列的平均值，使用 `corr()` 計算列之間的相關性，使用 `drop()` 刪除某些列或行。
處理缺失值。使用 `isnull()` 檢查缺失值，使用 `fillna()` 填充缺失值。
分組和聚合。使用 `groupby()` 方法將數據按照某些列進行分組，然後使用聚合函式（如 `mean()`、`max()`、`min()`、`count()` 等）計算每組的值。
排序。使用 `sort_values()` 按照指定的列進行排序。
連線數據。使用 [merge](){"sa":"re_dqa_zy","icon":1}\(\)\ 或 `join()` 方法將兩個或多個數據框連線起來。
數據透視表。使用 `pivot_table()` 創建數據透視表，用於多維空間數據的匯總和分析。
這些方法提供了強大的功能，用於處理和分析數據框中的數據。