文
章
目
录
章
目
录
Pandas是一款Python数据处理工具，今天，咱们就深入了解一下这个“数据处理神器”，帮大家从入门逐步走向精通。
一、Pandas介绍
Pandas是专门用于数据分析和处理的Python库，功能丰富，能解决各类数据问题。可以用清洗杂乱的数据、对数据进行转换加工，也可以深入分析数据并实现可视化展示。
Pandas主要依赖于NumPy库。NumPy提供了高效的数组运算能力，这使得Pandas在处理大量数据时能够快速运行，如同给Pandas注入了“加速引擎” 。在使用Pandas前，我们需要先导入它，行业内习惯将Pandas缩写为pd，同时常常会顺手导入numpy并缩写为np，代码如下：
import pandas as pd
import numpy as np
二、Pandas的数据结构
Pandas有两种核心的数据结构，即Series和DataFrame。
- Series：可以把它理解为带标签的一维数组。打个比方，它就像班级学生成绩表中的一列成绩，每个成绩都对应着一个特定的索引。
- DataFrame：类似于一张电子表格，由多个
Series组成，每一个Series代表表格中的一列数据。想象一下Excel表格，有行有列，DataFrame就与之类似，用它来处理结构化数据非常便捷。
三、数据的读取与存储
Pandas支持读取多种常见的数据格式，如CSV、Excel、JSON、SQL、HTML等。下面是读取不同格式数据的代码示例：
# 读取CSV文件
df = pd.read_csv('data.csv')
# 读取Excel文件
df = pd.read_excel('data.xlsx')
# 读取JSON文件
df = pd.read_json('data.json')
# 从SQL数据库读取数据
df = pd.read_sql('SELECT * FROM table', connection)
# 读取HTML文件
df = pd.read_html('data.html')
读取CSV文件时，如果遇到编码问题，可以通过指定encoding参数解决，比如encoding='gbk'或encoding='utf-8' 。数据处理完后，若要存储，也很简单：
# 保存为CSV文件，不保存索引列
df.to_csv('output.csv', index=False)
# 保存为Excel文件，不保存索引列
df.to_excel('output.xlsx', index=False)
四、数据的统计与分析
Pandas提供了众多实用的统计函数，能帮助我们快速了解数据的特征。下面通过示例代码来看看这些函数的用法：
import pandas as pd
import numpy as np
# 创建示例DataFrame
data = {'A': [1, 2, 3, 4, 5],
'B': [10, 20, 30, 40, 50],
'C': [100, 200, 300, 400, 500]}
df = pd.DataFrame(data)
# 查看DataFrame基本信息
print(df.info())
# 查看行数和列数
print(df.shape)
# 查看索引
print(df.index)
# 查看列名
print(df.columns)
# 计算每列总和
print(df.sum())
# 计算每列最小值
print(df.min())
# 计算每列最大值
print(df.max())
# 计算每列统计摘要
print(df.describe())
其中，df.describe()函数十分强大，通过它能快速掌握数据的整体分布情况。
五、数据筛选、排序与转换
在实际应用中，经常需要对数据进行筛选、排序和转换操作。
- 数据筛选：Pandas提供了多种筛选数据的方法。例如，通过索引或列名选择特定的数据，还能根据条件筛选出符合要求的行。代码示例如下：
import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'age': [25, 30, 28, 35, 22],
'city': ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen', 'Hangzhou']}
df = pd.DataFrame(data)
# 选择Series中指定索引的元素
print(df['name'][0])
# 选择DataFrame中指定行范围的数据
print(df.loc[1:3])
- 数据排序：可以按指定列的值或索引进行排序。
import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie'],
'age': [25, 30, 28]}
df = pd.DataFrame(data)
# 按age列的值进行排序
print(df.sort_values('age'))
# 按age列的值进行降序排序
print(df.sort_values('age', ascending=False))
# 按索引进行排序
df = df.set_index('name')
print(df.sort_index())
- 数据转换：包括数据类型转换、重塑数据格式等。比如将字符串类型的年龄数据转换为整数类型：
import pandas as pd
data = {'age': ['25', '30', '28']}
df = pd.DataFrame(data)
# 查看每列的数据类型
print(df.dtypes)
# 转换age列的数据类型为整数
df['age'] = df['age'].astype(int)
print(df.dtypes)
Pandas的功能远不止这些，想要熟练掌握它，还得自己多动手实践。大家可以多敲代码、多做练习，争取成为Pandas数据处理高手！
