Pandas - dataframe

 # Pandas - dataframe

import pandas as pd

data = {

  "Countries": ["India","China","Spain","Italy","USA", "UK", "France","Australia"],

  "Capital": ["New Delhi", "Beijing", "Madrid", "Rome", "Washington DC", "London", "Paris", "Canberra"],

  "Population (Million)":[1380,1439,46,60,331,67,65,25]

}

#load data into a DataFrame object:

df = pd.DataFrame(data)

print("Unsorted  data")

print(df) 

# Sorting data by column

sorted_df = df.sort_values(by='Population (Million)')

print("Data sorted by population")

print(sorted_df)

# Printing selected columns

df_SelectedCols = pd.DataFrame(data, columns=["Countries","Population (Million)"])

print("Printing selected columns")

print(df_SelectedCols)

"""

Sample output

>python Pandas1.py

Unsorted  data

   Countries        Capital  Population (Million)

0      India      New Delhi                  1380

1      China        Beijing                  1439

2      Spain         Madrid                    46

3      Italy           Rome                    60

4        USA  Washington DC                   331

5         UK         London                    67

6     France          Paris                    65

7  Australia       Canberra                    25

Data sorted by population

   Countries        Capital  Population (Million)

7  Australia       Canberra                    25

2      Spain         Madrid                    46

3      Italy           Rome                    60

6     France          Paris                    65

5         UK         London                    67

4        USA  Washington DC                   331

0      India      New Delhi                  1380

1      China        Beijing                  1439

Printing selected columns

   Countries  Population (Million)

0      India                  1380

1      China                  1439

2      Spain                    46

3      Italy                    60

4        USA                   331

5         UK                    67

6     France                    65

7  Australia                    25

"""