今天來分享 pandas — Python 資料分析最常用的套件，適合處理 CSV、Excel 等表格資料，快速做資料篩選、統計、清理。

為什麼學 pandas？

• 可以快速處理大量資料
• 提供篩選、排序、統計、分組等強大功能
• 適合做資料分析、報表或視覺化前處理

1. 建立 DataFrame

結果會輸出

• import pandas as pd : 這行是匯入 pandas 套件，並且把它取名為 pd，之後要使用 pandas 的功能時，只要寫 pd.功能就可以了
• pandas 是 Python 中最常用的資料分析套件，可以處理表格資料
• pd.DataFrame(data) : 把剛剛的字典轉換成 DataFrame，也就是 pandas 的「表格資料物件」
• df 是一個可以用來篩選、排序、統計、寫入 CSV 的表格
• DataFrame 長得像 Excel 表格，每一欄是 key，每一列是資料列

2. 篩選資料

結果會輸出

• df["分數"] : 表示取出 DataFrame df 的「分數」這一欄
• df["分數"] > 90 : 是在對「分數欄位」做條件判斷，會得到一個布林 Series（True/False 對應每一列是否符合條件）
• df[df["分數"] > 90] : 這個寫法叫布林索引 (Boolean Indexing)，pandas 會只保留對應 True 的列，把不符合的列剔除

3. 統計分析

結果會輸出

• .mean() : 是 pandas 提供的平均值方法，會計算該欄位所有數字的平均值

4. 新增欄位

結果會輸出

• df["分數"] >= 60 : 這是一個條件判斷，會對每一列的分數進行比較，結果會是一個布林 Series（True/False），表示每個學生是否及格
• df["及格"] = ... : 把布林 Series 加入到 DataFrame，作為新的欄位「及格」，這樣 DataFrame 會多一欄，記錄每個學生是否及格

5. 排序與選取資料

結果會輸出

• df.sort_values("分數", ascending=False) : 這個方法是依某個欄位排序 DataFrame，"分數" → 依「分數」欄位進行排序
• ascending=False → 由大到小排序（如果要小到大，改成 True）
• 結果會回傳一個新的 DataFrame，原本的 df 不會改變
• df[["姓名", "分數"]] : 是選取 DataFrame 中的特定欄位，使用雙中括號 [[...]] → 告訴 pandas 要保留這兩個欄位