pandas 数据框，按值复制

使用Python中的pandas库进行数据分析和处理是非常常见的。pandas提供了一个强大的数据结构，即数据框（DataFrame），它类似于Excel中的表格。在数据分析过程中，我们经常需要对数据进行复制和操作。本文将介绍如何使用pandas的复制功能，并提供一些案例代码来帮助读者更好地理解。

python
import pandas as pd
# 创建一个数据框
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
# 复制数据框
df_copy = df.copy()
# 打印原始数据框和复制数据框
print("原始数据框：")
print(df)
print("复制数据框：")
print(df_copy)

原始数据框：
   A  B
0  1  4
1  2  5
2  3  6
复制数据框：
   A  B
0  1  4
1  2  5
2  3  6

python
# 修改复制数据框的某个值
df_copy.at[0, 'A'] = 10
# 打印修改后的复制数据框
print("修改后的复制数据框：")
print(df_copy)

python
# 添加新的列到复制数据框
df_copy['C'] = [7, 8, 9]
# 打印添加新列后的复制数据框
print("添加新列后的复制数据框：")
print(df_copy)

python
# 删除复制数据框的某一列
df_copy = df_copy.drop('B', axis=1)
# 打印删除列后的复制数据框
print("删除列后的复制数据框：")
print(df_copy)

python
import pandas as pd
# 创建销售数据的数据框
sales_data = pd.DataFrame({'产品名称': ['A', 'B', 'C', 'D'],
                           '销售额': [1200, 800, 1500, 600]})
# 复制销售数据的数据框
filtered_sales_data = sales_data.copy()
# 仅保留销售额超过1000的记录
filtered_sales_data = filtered_sales_data[filtered_sales_data['销售额'] > 1000]
# 打印结果
print("原始销售数据：")
print(sales_data)
print("销售额超过1000的记录：")
print(filtered_sales_data)

原始销售数据：
  产品名称   销售额
0    A  1200
1    B   800
2    C  1500
3    D   600
销售额超过1000的记录：
  产品名称   销售额
0    A  1200
2    C  1500