当我们使用Pandas DataFrame进行数据分析时，通常需要对数据进行筛选、切片、排序等操作，而这些操作往往会产生一些视图或者子集，这些视图或子集与原始数据共享同一块内存，因此对它们所做的任何更改都会反映在原始数据上，这在数据预处理阶段非常有用。
Pandas DataFrame上创建视图的过程如下：
- 导入 Pandas 库
import pandas as pd
- 读取数据
我们需要先读取数据，通过调用 Pandas 库中的read_csv方法可以很容易地将csv文件读取为Pandas DataFrame。
举例来说，我们可以用以下代码读取一个csv文件：
df = pd.read_csv('data.csv')
- 创建视图
创建视图的过程十分简单，我们只需要选取所需列构成一个新的DataFrame，例如，我们可以通过以下代码选取列名为 ‘col1’ 和 ‘col2’ 的列：
view = df[['col1', 'col2']]
这样，我们就在原始 DataFrame df 上创建了一个视图 view。
- 对视图进行操作
接下来，我们可以像操作原始 DataFrame 一样，对视图进行各种操作，比如选择特定行、过滤数据、排序等等。举例来说，我们可以对视图进行下述操作:
# 选取前5行数据
view.head()
# 选取某一行数据
view.iloc[1]
# 数据过滤
view[view['col1'] > 5]
# 对数据进行排序
view.sort_values('col2', inplace=True)
我们也可以通过以下代码更新视图:
view.loc[5, 'col1'] = 10
此代码将更新在视图中第5行，第’col1’列处的数据，这样此更改也会同时反映在原始 DataFrame 中的相应位置。
最后，我们记得把视图保存下来，可以使用以下代码：
view.to_csv('new_data.csv')
这将把新视图保存在一个 csv 文件中。
综上，我们可以在 Pandas DataFrame 上以非常简洁的方式创建视图，并且通过对视图进行各种操作，实现对原始数据进行快速、高效的处理。