df在python數據處理中指pandas的dataframe對象，常被命名為df因它是“dataframe”縮寫且通用。dataframe是二維表格型數據結構，具行標簽和列標簽，每列可存不同數據類型。常見操作包括：1.查看前幾行用df.head()；2.查看形狀用df.shape；3.獲取列名用df.columns；4.查看數據類型用df.dtypes；5.篩選列用df[‘列名’]；6.篩選行用df.loc[索引]；7.添加新列直接賦值；8.刪除列用df.drop()。注意df為可變對象，修改時常需拷貝以保留原數據，使用df.info()可快速查看數據信息。
在python的數據處理中，df 通常是指 pandas 庫中的 DataFrame 對象。很多使用 pandas 的人習慣把變量命名為 df，比如：
import pandas as pd df = pd.read_csv('data.csv')
這其實就是把一個 DataFrame 賦值給變量 df。雖然也可以起別的名字，但 df 是最常見、最通用的寫法。
什么是DataFrame？
DataFrame 是 pandas 中最重要的數據結構之一，可以理解為一個二維表格型數據容器，有點像 excel 表格或者數據庫中的一張表。它有行標簽和列標簽，每一列可以是不同的數據類型（比如整數、字符串、浮點數等）。
舉個例子，你可以用下面的方式創建一個簡單的 DataFrame：
立即學習“Python免費學習筆記（深入）”；
data = { '姓名': ['張三', '李四', '王五'], '年齡': [25, 30, 28], '城市': ['北京', '上海', '廣州'] } df = pd.DataFrame(data)
這樣你就得到了一個包含姓名、年齡和城市的表格數據。
為什么大家都叫它 df？
- df 是 “DataFrame” 的縮寫，簡潔又直觀；
- 在教學、博客、論壇中，大家普遍都這么用，已經形成了一種約定俗成的習慣；
- 數據分析腳本中經常會有多個 DataFrame，用 df1, df2 這樣區分也很方便。
不過要注意的是，在實際項目或復雜代碼中，建議使用更有意義的變量名，比如 sales_data、user_info 等，這樣別人看你的代碼更容易理解。
常見的 df 操作有哪些？
以下是一些你經常會看到的 df 操作方式：
- 查看前幾行數據：df.head()
- 查看數據形狀：df.shape
- 查看列名：df.columns
- 查看數據類型：df.dtypes
- 篩選某列數據：df[‘年齡’]
- 篩選某行數據：df.loc[0]
- 添加新列：df[‘新列名’] = 新數據
- 刪除列：df.drop(‘列名’, axis=1, inplace=True)
這些操作構成了數據分析的基礎，熟悉它們之后你會發現用 df 處理數據非常高效。
小細節別忽略
- df 默認是可變對象，也就是說很多操作會直接修改原數據，比如 inplace=True 參數。
- 如果你不希望原始數據被改動，記得先做拷貝：df_copy = df.copy()
- 使用 df.info() 可以快速查看是否有缺失值、各列的數據類型等信息。
基本上就這些了。雖然 df 只是一個變量名，但它背后承載的是整個 pandas 的核心能力。只要掌握了常用操作，日常的數據清洗、分析、可視化都能輕松應對。
