DataFrame: ذخیره داده های چندبعدی (جدولی)

import pandas as pd

data = [
    ["Alice", 30, "Female", "USA"],
    ["Bob", 25, "Male", "Canada"],
    ["Charlie", 22, "Male", "USA"],
]

df = pd.DataFrame(data, columns=["Name", "Age", "Gender", "Country"])
print(df)

import pandas as pd

data = {
    "Name": ["Alice", "Bob", "Charlie"],
    "Age": [30, 25, 22],
    "Gender": ["Female", "Male", "Male"],
    "Country": ["USA", "Canada", "USA"],
}

df = pd.DataFrame(data)
print(df)

import pandas as pd

df = pd.read_csv("data.csv")  # خواندن داده‌ها از فایل CSV
df = pd.read_excel("data.xlsx")  # خواندن داده‌ها از فایل Excel

print(df["Name"][0])  # دسترسی به اولین عنصر در ستون "Name"
print(df.loc[0, "Age"])  # دسترسی به عنصر در سطر اول و ستون "Age"

print(df.head())  # نمایش پنج سطر اول
print(df.tail())  # نمایش پنج سطر آخر
print(df.describe())  # نمایش آمار توصیفی

df.sort_values(by="Age", ascending=False, inplace=True)  # مرتب‌سازی نزولی بر اساس سن در محل
print(df)

filtered_df = df[df["Age"] > 25]  # فیلتر کردن سطرهایی که سن آنها بیشتر از 25 است
print(filtered_df)

total_age = df["Age"].sum()
print(total_age)  # محاسبه مجموع سن‌ها

print(df["Age"].mean())  # میانگین سن
print(df["Age"].std())  # انحراف معیار سن

import numpy as np

new_data = np.array([["David", 28, "Male", "Mexico"]])
new_df = pd.DataFrame(new_data, columns=df.columns)

merged_df = pd.concat([df, new_df], ignore_index=True)
print(merged_df)  # ادغام DataFrame ها