pandas教程|极客教程

pandas教程

Pandas是一个基于Python的数据分析工具，提供了用于数据操作和分析的高效数据结构。它被广泛应用于数据科学、机器学习、金融投资等领域。本教程将介绍Pandas库的基本概念、数据结构、常用操作以及实用技巧。

1. 基本概念

1.1 什么是Pandas

Pandas是一个用于数据操作和分析的强大工具，它提供了类似于数据库的表格结构，可以简洁方便地处理各种数据。在Pandas中，最常用的两种数据结构是Series和DataFrame。

1.2 安装Pandas

要使用Pandas，首先需要安装Pandas库，可以使用pip命令进行安装：

pip install pandas

1.3 导入Pandas

在使用Pandas之前，需要导入Pandas库：

import pandas as pd

2. 数据结构

2.1 Series

Series是一维数据结构，类似于数组或列表，由一组数据和与之相关的标签（索引）组成。可以通过传入一维数组创建Series：

import pandas as pd

data = [1, 2, 3, 4, 5]
s = pd.Series(data)
print(s)

运行结果：

0    1
1    2
2    3
3    4
4    5
dtype: int64

2.2 DataFrame

DataFrame是二维数据结构，类似于表格，由多个Series组成。可以通过传入字典或二维数组创建DataFrame：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'Gender': ['F', 'M', 'M']}
df = pd.DataFrame(data)
print(df)

运行结果：

      Name  Age Gender
0    Alice   25      F
1      Bob   30      M
2  Charlie   35      M

3. 数据操作

3.1 读取数据

Pandas支持读取多种数据格式，如CSV、Excel、SQL、JSON等。可以使用read_csv、read_excel等方法读取数据：

import pandas as pd

df = pd.read_csv('data.csv')
print(df)

3.2 筛选数据

可以使用逻辑运算符（如>、<、）筛选DataFrame中的数据：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'Gender': ['F', 'M', 'M']}
df = pd.DataFrame(data)

print(df[df['Age'] > 30])

运行结果：

      Name  Age Gender
2  Charlie   35      M

3.3 修改数据

可以使用loc或iloc方法修改DataFrame中的数据：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'Gender': ['F', 'M', 'M']}
df = pd.DataFrame(data)

df.loc[1, 'Age'] = 33
print(df)

运行结果：

      Name  Age Gender
0    Alice   25      F
1      Bob   33      M
2  Charlie   35      M

4. 实用技巧

4.1 数据统计

Pandas提供了多种数据统计方法，如mean、std、min、max等，可以对DataFrame进行快速数据分析：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'Gender': ['F', 'M', 'M']}
df = pd.DataFrame(data)

print(df.describe())

运行结果：

             Age
count   3.000000
mean   30.000000
std     5.773503
min    25.000000
25%    27.500000
50%    30.000000
75%    32.500000
max    35.000000

4.2 数据可视化

Pandas可以与Matplotlib等库结合进行数据可视化，快速生成图表：

import pandas as pd
import matplotlib.pyplot as plt

data = {'Name': ['Apple', 'Banana', 'Orange'],
        'Price': [1, 2, 3]}
df = pd.DataFrame(data)

df.plot(x='Name', y='Price', kind='bar')
plt.show()