简介

Pandas 是一个强大的 Python 数据分析库，它提供了快速、灵活、直观的数据结构，如 DataFrame 和 Series，以及丰富的数据处理功能。本文将带您深入了解 Pandas 的基本概念、常用操作和高级技巧，帮助您轻松玩转数据分析与探索之旅。

安装与导入

首先，您需要安装 Pandas 库。在命令行中输入以下命令：

pip install pandas 

安装完成后，在 Python 脚本中导入 Pandas：

import pandas as pd 

数据结构

Pandas 提供了两种主要的数据结构：Series 和 DataFrame。

Series

Series 是一种类似于一维数组的对象，可以保存任何序列数据，如数字、字符串等。

import pandas as pd # 创建一个 Series data = pd.Series([1, 2, 3, 4, 5]) print(data) 

DataFrame

DataFrame 是一个表格型的数据结构，包含行索引和列索引。它由多个 Series 组成，类似于一个表格。

import pandas as pd # 创建一个 DataFrame data = { 'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35], 'City': ['New York', 'Los Angeles', 'Chicago'] } df = pd.DataFrame(data) print(df) 

常用操作

读取数据

Pandas 提供了多种方法来读取数据，如 read_csv、read_excel、read_sql 等。

# 读取 CSV 文件 df = pd.read_csv('data.csv') # 读取 Excel 文件 df = pd.read_excel('data.xlsx') # 读取 SQL 数据库 df = pd.read_sql('SELECT * FROM table', engine) 

数据筛选

Pandas 提供了多种数据筛选方法，如 loc、iloc、query 等。

# 筛选 DataFrame 中符合条件的行 filtered_df = df.loc[df['Age'] > 25] # 筛选 DataFrame 中符合条件的列 filtered_df = df[['Name', 'City']] 

数据清洗

数据清洗是数据分析过程中的重要步骤，Pandas 提供了多种数据清洗方法，如 dropna、fillna、drop_duplicates 等。

# 删除含有缺失值的行 df = df.dropna() # 填充缺失值 df = df.fillna(0) # 删除重复行 df = df.drop_duplicates() 

数据排序

Pandas 提供了多种数据排序方法，如 sort_values、sort_index 等。

# 根据 'Age' 列进行排序 df = df.sort_values(by='Age') # 根据 'Name' 列进行索引排序 df = df.sort_index(axis=0) 

高级技巧

数据聚合

Pandas 提供了丰富的数据聚合函数，如 sum、mean、median、min、max 等。

# 对 'Age' 列进行聚合 result = df['Age'].agg(['sum', 'mean', 'median', 'min', 'max']) 

数据可视化

Pandas 可以与 Matplotlib、Seaborn 等库结合，进行数据可视化。

import matplotlib.pyplot as plt import seaborn as sns # 绘制散点图 sns.scatterplot(x='Age', y='City', data=df) # 显示图形 plt.show() 

总结

Pandas 是一个功能强大的数据分析工具，可以帮助您轻松处理和分析数据。通过本文的学习，您应该已经掌握了 Pandas 的基本概念、常用操作和高级技巧。在今后的数据分析工作中，希望这些知识能够为您带来帮助。