跳到主要内容

安装与快速使用

环境要求​

  • Go 1.24 或更高版本

安装​

方式一：直接引用​

在你的 Go 项目中直接导入：

import (
    "github.com/datago/dataframe"
    "github.com/datago/io"
)

方式二：使用 go get​

go get github.com/datago

核心概念​

DataGo 提供三个核心数据结构：

结构说明类比 pandas
DataFrame二维表格数据（列式存储）pd.DataFrame
Series一维标签数组pd.Series
Index行索引系统pd.Index

最小示例​

package main

import (
    "fmt"
    "github.com/datago/dataframe"
)

func main() {
    // 创建 DataFrame
    df, err := dataframe.New(map[string][]interface{}{
        "name": {"Alice", "Bob", "Charlie"},
        "age":  {25, 30, 35},
    })
    if err != nil {
        panic(err)
    }

    // 打印 DataFrame
    fmt.Println(df)

    // 查看形状
    fmt.Printf("Shape: %v\n", df.Shape()) // [3, 2]

    // 获取前 2 行
    fmt.Println(df.Head(2))

    // 选择列
    fmt.Println(df.Select("name"))
}

数据类型​

DataGo 支持以下数据类型：

类型Go 类型说明
DTypeInt64int6464位整数
DTypeFloat64float6464位浮点数
DTypeStringstring字符串
DTypeBoolbool布尔值
DTypeDateTimetime.Time日期时间
DTypeObjectinterface{}任意类型

类型会根据数据自动推断，也可以手动指定：

// 读取时指定类型
df, _ := io.ReadCSV("data.csv", io.CSVOptions{
    HasHeader: true,
    DTypes: map[string]dataframe.DType{
        "age":    dataframe.DTypeInt64,
        "salary": dataframe.DTypeFloat64,
    },
})

// Series 类型转换
s, _ := series.AsType(dataframe.DTypeFloat64)

常用操作速查​

DataFrame 操作​

// 创建
df, _ := dataframe.New(data)
df, _ := dataframe.FromRecords(records, columns)

// 查看
df.Head(n)           // 前 n 行
df.Tail(n)           // 后 n 行
df.Shape()           // [rows, cols]
df.Columns()         // 列名列表

// 选择
df.Select("col1", "col2")  // 选择列
df.ILoc(0, 5, 0, 2)        // 按位置切片
df.At(rowLabel, "col")     // 单个值

// 操作
df.Filter(fn)              // 条件过滤
df.SortBy("col", Ascending) // 排序
df.Drop("col")             // 删除列
df.Rename(mapping)         // 重命名

// 分组
gb, _ := df.GroupBy("col")
gb.Sum("value")
gb.Mean("value")

// 合并
dataframe.Merge(left, right, opts)
dataframe.Concat(df1, df2)

Series 操作​

// 创建
s := dataframe.NewSeriesFromInts([]int{1, 2, 3}, "nums")
s := dataframe.NewSeriesFromStrings([]string{"a", "b"}, "chars")

// 统计
s.Sum()
s.Mean()
s.Min()
s.Max()

// 变换
s.Apply(fn)
s.FillNA(value)
s.DropNA()

// 算术
s.Add(other)
s.Sub(other)
s.Mul(other)
s.Div(other)

I/O 操作​

// Excel
df, _ := io.ReadExcel("file.xlsx", io.ExcelOptions{HasHeader: true})
io.WriteExcel("output.xlsx", df, io.ExcelWriteOptions{})

// CSV
df, _ := io.ReadCSV("file.csv", io.CSVOptions{HasHeader: true})
io.WriteCSV("output.csv", df, io.CSVWriteOptions{})

下一步​

建议按以下顺序阅读文档：

  1. DataFrame 使用指南 - 核心数据结构
  2. Series 使用指南 - 一维数据操作
  3. GroupBy 分组聚合 - 数据聚合分析
  4. Merge/Join 数据合并 - 多表关联
  5. 并行处理 - 大数据加速