Python中Pandas庫的數據處理與分析

更新時間：2023年07月10日 08:50:03 作者：小小張說故事

Python的Pandas庫是數據科學領域中非常重要的一個庫，它使數據清洗和分析工作變得更快更簡單，Pandas結合了NumPy的高性能數組計算功能以及電子表格和關系型數據庫（如SQL）的靈活數據處理能力,需要的朋友可以參考下

一、Pandas的數據結構

Pandas主要有兩種數據結構：Series和DataFrame。

1. Series

Series是一種類似于一維數組的對象，它由一組數據和一組與之相關的數據標簽（即索引）組成。

import pandas as pd
s = pd.Series([1, 3, 5, np.nan, 6, 8])
print(s)

2. DataFrame

DataFrame是一種二維的表格型數據結構，每列可以是不同的值類型（數值、字符串、布爾值等）。DataFrame既有行索引也有列索引，它可以被看做由Series組成的字典（共用同一個索引）。

import pandas as pd
data = {'Country': ['Belgium', 'India', 'Brazil'],
        'Capital': ['Brussels', 'New Delhi', 'Brasília'],
        'Population': [11190846, 1303171035, 207847528]}
df = pd.DataFrame(data, columns=["Country", "Capital", "Population"])
print(df)

二、數據讀取與寫入

Pandas提供了一些用于將表格型數據讀取為DataFrame對象的函數，支持多種格式的數據，如csv、excel、json、html、sql等。

import pandas as pd
# 從CSV文件中讀取數據
df = pd.read_csv('file.csv')
# 將數據寫入CSV文件中
df.to_csv('file.csv')

三、數據選擇與操作

Pandas提供了多種方式進行數據的選擇與操作。

import pandas as pd
# 創(chuàng)建一個數據集
data = {'Name': ['Tom', 'Nick', 'John', 'Tom'],
        'Age': [20, 21, 19, 20],
        'Country':['US', 'UK', 'US', 'UK']}
df = pd.DataFrame(data)
# 選擇'Name'列
df['Name']
# 選擇第0行
df.iloc[0]
# 選擇滿足條件的行
df[df.Age > 20]
# 對'Age'列進行求和
df['Age'].sum()
# 對'Country'列進行計數
df['Country'].value_counts()

Pandas的功能遠不止這些，還包括合并、分組、缺失數據處理、數據透視表等高級功能，為數據處理和分析提供了強大的工具。

到此這篇關于Python中Pandas庫的數據處理與分析的文章就介紹到這了,更多相關Python Pandas庫內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: