首先，我們需要安裝Pandas庫。您可以使用以下命令來安裝它：

pip install pandas

安裝完成后，我們可以開始使用Pandas了。首先，讓我們導(dǎo)入Pandas庫：

import pandas as pd

Pandas 的兩個(gè)主要的數(shù)據(jù)結(jié)構(gòu)是 Series 和 DataFrame。Series 是一維數(shù)組，可以存儲(chǔ)任意類型的數(shù)據(jù)；DataFrame 是二維表格數(shù)據(jù)結(jié)構(gòu)，可以看做是一系列 Series 對(duì)象的集合，每個(gè) Series 對(duì)象代表一列數(shù)據(jù)。下面我們來學(xué)習(xí)下這兩種數(shù)據(jù)結(jié)構(gòu)。

1.Series

Series是Pandas中的一維數(shù)據(jù)結(jié)構(gòu)，類似于一維數(shù)組或列表。它可以存儲(chǔ)任何數(shù)據(jù)類型，并且每個(gè)元素都有一個(gè)與之關(guān)聯(lián)的標(biāo)簽，稱為索引。 在創(chuàng)建一個(gè) Series 時(shí)，我們可以通過指定索引來為每個(gè)元素進(jìn)行命名，這樣一來就可以通過索引來訪問和操作這些元素。在訪問 Series 中的元素時(shí)，我們同樣需要使用索引來指定要訪問的位置。

以下是創(chuàng)建Series的一個(gè)示例：

import pandas as pd
import numpy as np
data = pd.Series([1, 3, 5, np.nan, 6, 8])
# 自建索引
data = pd.Series([1, 3, 5, np.nan, 6, 8], index)
# 通過字典直接創(chuàng)建帶索引的數(shù)據(jù)
data = pd.Series({0: 1, 1: 3, 2: 5, 3: np.nan, 4: 6, 5: 8 })
print(data)

輸出結(jié)果：

0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64

在上面的示例中，我們創(chuàng)建了一個(gè)包含整數(shù)和NaN值的Series。可以看到，每個(gè)元素都有一個(gè)索引。與傳統(tǒng)的數(shù)組和列表不同，Pandas 的索引可以是任意數(shù)據(jù)類型，包括整數(shù)、字符串、日期等。索引有助于對(duì)數(shù)據(jù)進(jìn)行標(biāo)記和命名，使得數(shù)據(jù)的訪問更加方便和直觀。

在 Pandas 的 DataFrame 中，索引的作用更加重要。除了可以為每一行和每一列指定索引外，DataFrame 還支持多級(jí)索引，也就是可以為行和列同時(shí)指定多個(gè)索引。這為多維數(shù)據(jù)的處理提供了更多的靈活性和功能性。通過索引，我們可以輕松地從 DataFrame 中選擇特定的行數(shù)和列數(shù)，我們可以通過指定行索引和列索引來選擇任意子集的數(shù)據(jù)，也可以通過使用條件表達(dá)式來篩選滿足特定條件的數(shù)據(jù)。 

2.DataFrame

DataFrame是Pandas中的二維數(shù)據(jù)結(jié)構(gòu)，類似于Excel表格或SQL表。它由行和列組成，并且可以存儲(chǔ)不同類型的數(shù)據(jù)。在Pandas中，我們可以使用pd.DataFrame()函數(shù)來創(chuàng)建DataFrame。在這個(gè)函數(shù)中，我們可以通過參數(shù)columns來指定DataFrame的列索引，也就是字段名或列名。通過這個(gè)參數(shù)，我們可以定義每一列的名稱，方便后續(xù)對(duì)數(shù)據(jù)框中的數(shù)據(jù)進(jìn)行索引和操作。

如果我們想要自定義索引值，可以在pd.DataFrame()函數(shù)中使用參數(shù)index來實(shí)現(xiàn)。通過指定index參數(shù)，我們可以為每一行指定一個(gè)唯一的標(biāo)識(shí)符，可以是字符串、整數(shù)或其他數(shù)據(jù)類型。這樣一來，就可以更靈活地根據(jù)指定的索引值來獲取和操作數(shù)據(jù)框中的數(shù)據(jù)。通過這種方式，我們可以根據(jù)具體的需求來定義數(shù)據(jù)框的索引，并且能夠更好地滿足我們對(duì)數(shù)據(jù)的處理和分析的需求。

以下是創(chuàng)建DataFrame的一個(gè)示例：

import pandas as pd
data = {'name': ['John', 'Emma', 'Mike', 'Lisa'],
        'age': [28, 24, 32, 35],
        'city': ['New York', 'London', 'Paris', 'Tokyo']}
df = pd.DataFrame(data)
print(df)
# 通過columns指定DataFrame的列索引
data = [[1,'Bob', 24, 'American'],[2, 'Nancy', 23, 'Australia'],[3, 'Lili', 22, 'China'],[4, 'Leo', 27, 'M78'],[5, 'David', 24, 'moon']]
df = pd.DataFrame(data, columns=['serial', 'name', 'age', 'from',])
# 自定義索引
df = pd.DataFrame(data, columns=['serial', 'name', 'age', 'from'], index=['a','b','c','d','e'])
print(df)

輸出結(jié)果：

   name  age      city
0  John   28  New York
1  Emma   24    London
2  Mike   32     Paris
3  Lisa   35     Tokyo

   serial   name  age       from
a       1    Bob   24   American
b       2  Nancy   23  Australia
c       3   Lili   22      China
d       4    Leo   27        M78
e       5  David   24       moon

在上面的示例中，我們使用一個(gè)字典來創(chuàng)建DataFrame。字典的鍵是列名，而字典的值是該列的數(shù)據(jù)。同樣地，我們也使用了列表來創(chuàng)建data，這個(gè)嵌套列表中每一個(gè)子列表為 DataFrame 的一行，是不是和我們創(chuàng)建上面Series有點(diǎn)異曲同工？實(shí)際上， DataFrame 的每一行或者每一列都可以看作一個(gè) Series。 接下來，讓我們看一些常用的數(shù)據(jù)操作和分析技巧。

3. 數(shù)據(jù)操作

3.1 選擇和過濾

Pandas提供了多種方法來選擇和過濾數(shù)據(jù)。以下是一些常用的方法：

#選擇列：可以使用列名或列索引來選擇列。
df['name']
#選擇行：可以使用行索引來選擇行。
df.loc['a']
#過濾行：可以使用條件表達(dá)式來過濾行。
df[df['age'] > 30]
# 切片方式訪問
print(df.iloc[1:3])  # 訪問第二行到第三行數(shù)據(jù)

輸出的結(jié)果如下：

a      Bob
b    Nancy
c     Lili
d      Leo
e    David
Name: name, dtype: object

serial           1
name           Bob
age             24
from      American
Name: a, dtype: object

   serial   name  age      from
a       1    Bob   24  American
d       4    Leo   27       M78
e       5  David   24      moon

   serial   name  age       from
b       2  Nancy   23  Australia
c       3   Lili   22      China

3.2 數(shù)據(jù)排序

Pandas提供了排序數(shù)據(jù)的功能。以下是一個(gè)示例：

df = df.sort_values(by='age', ascending=False)
print(df)

在上面的示例中，我們按照年齡列對(duì)數(shù)據(jù)進(jìn)行降序排序。輸出結(jié)果如下：

   serial   name  age       from
d       4    Leo   27        M78
a       1    Bob   24   American
e       5  David   24       moon
b       2  Nancy   23  Australia
c       3   Lili   22      China

3.3 數(shù)據(jù)聚合

Pandas提供了聚合數(shù)據(jù)的功能。假設(shè)我們上述的示例中增加一個(gè)為年級(jí)（grade),

data = [[1,'Bob', 24, 'American', 'high-school'],[2, 'Nancy', 23, 'Australia', 'college'],[3, 'Lili', 22, 'China', 'college'],[4, 'Leo', 27, 'M78', 'university'],[5, 'David', 24, 'moon', 'high-school']]
df = pd.DataFrame(data, columns=['serial', 'name', 'age', 'from', 'grade'], index=['a','b','c','d','e'])
# 聚合，按grade分組，并計(jì)算分組后的平均年齡
xdf = df.groupby('grade')['age'].mean()
print(xdf)

輸出結(jié)果如下:

grade
college        22.5
high-school    24.0
university     27.0
Name: age, dtype: float64

在上面的示例中，我們按照年級(jí)列對(duì)數(shù)據(jù)進(jìn)行分組，并計(jì)算每個(gè)年級(jí)的平均年齡。

3.4 數(shù)據(jù)可視化

Pandas還提供了數(shù)據(jù)可視化的功能。以下是一個(gè)示例：

# 此處需引入matplotlib
import matplotlib.pyplot as plot
df.plot(kind='bar', x='name', y='age')
plot.show() # 顯示圖像

在上面的示例中，我們使用柱狀圖來可視化姓名和年齡數(shù)據(jù)。這只是Pandas的一小部分功能。它還提供了許多其他功能，如數(shù)據(jù)清洗、缺失值處理、數(shù)據(jù)合并、數(shù)據(jù)透視表等。

4.一些高級(jí)用法

4.1 多級(jí)索引

Pandas的多級(jí)索引功能非常強(qiáng)大，它允許我們?cè)谝粋€(gè)DataFrame中創(chuàng)建復(fù)雜的層次結(jié)構(gòu)索引，從而更靈活地組織和分析數(shù)據(jù)。一個(gè)常見的應(yīng)用場(chǎng)景是使用多級(jí)索引來表示時(shí)間序列數(shù)據(jù)，比如將年份和季度作為索引的兩個(gè)層級(jí)。

通過創(chuàng)建多級(jí)索引，我們可以將數(shù)據(jù)按照不同的層級(jí)進(jìn)行劃分和聚合。例如，我們可以根據(jù)年份來對(duì)數(shù)據(jù)進(jìn)行分組，然后在每個(gè)年份內(nèi)再按照季度進(jìn)行分組。這樣，我們可以更方便地進(jìn)行各種統(tǒng)計(jì)分析，比如計(jì)算每個(gè)季度的平均值、總和等。

import pandas as pd
# 創(chuàng)建多級(jí)索引
index = pd.MultiIndex.from_tuples([('2019', 'Q1'), ('2019', 'Q2'), ('2020', 'Q1'), ('2020', 'Q2')])
data = pd.DataFrame({'Sales': [100, 200, 150, 250]}, index=index)
# 查詢特定季度的銷售數(shù)據(jù)
print(data.loc[('2020', 'Q1')])
# 查詢特定年份的銷售數(shù)據(jù)
print(data.loc['2020'])

輸出結(jié)果如下：

Sales    150
Name: (2020, Q1), dtype: int64
    Sales
Q1    150
Q2    250

在創(chuàng)建多級(jí)索引時(shí)，我們可以使用Pandas的MultiIndex類來指定索引的層級(jí)和標(biāo)簽。通過指定層級(jí)的名稱和對(duì)應(yīng)的標(biāo)簽值，我們可以輕松地創(chuàng)建一個(gè)具有多級(jí)索引的DataFrame。

使用多級(jí)索引可以帶來很多好處，比如提高數(shù)據(jù)的查詢效率、簡(jiǎn)化數(shù)據(jù)的操作和分析等。但同時(shí)，也需要注意在使用多級(jí)索引時(shí)，要避免索引混淆和數(shù)據(jù)結(jié)構(gòu)復(fù)雜度過高的問題。因此，在使用多級(jí)索引時(shí)，需要根據(jù)具體的需求和數(shù)據(jù)特點(diǎn)來靈活應(yīng)用。

4.2 透視表

透視表是一種根據(jù)數(shù)據(jù)中的一個(gè)或多個(gè)列創(chuàng)建匯總表格的方法。Pandas提供了pivot_table函數(shù)，可以方便地對(duì)數(shù)據(jù)進(jìn)行聚合和分析。 通過pivot_table函數(shù)，我們可以指定一個(gè)或多個(gè)列作為行索引，另一個(gè)或多個(gè)列作為列索引，然后根據(jù)指定的聚合函數(shù)對(duì)數(shù)據(jù)進(jìn)行匯總。這樣，我們就可以快速計(jì)算出各個(gè)行和列對(duì)應(yīng)的統(tǒng)計(jì)量，比如平均值、總和、計(jì)數(shù)等。

import pandas as pd
# 創(chuàng)建一個(gè)包含銷售數(shù)據(jù)的DataFrame
data = pd.DataFrame({'Year': ['2019', '2019', '2020', '2020'],
                      'Quarter': ['Q1', 'Q2', 'Q1', 'Q2'],
                      'Product': ['A', 'B', 'A', 'B'],
                      'Sales': [100, 200, 150, 250]})
# 創(chuàng)建透視表
pivot_table = data.pivot_table(index='Year', columns='Quarter', values='Sales', aggfunc='sum')
# 打印透視表
print(pivot_table)

輸出如下:

Quarter   Q1   Q2
Year
2019     100  200
2020     150  250

Pandas的透視表功能為我們提供了一種方便、靈活的數(shù)據(jù)聚合和分析方法，可以幫助我們更好地理解和利用數(shù)據(jù)。透視表的好處在于它提供了一種直觀、簡(jiǎn)潔的方式來查看和分析數(shù)據(jù)。通過透視表，我們可以輕松地對(duì)數(shù)據(jù)進(jìn)行切片、切塊和篩選，從而更深入地了解數(shù)據(jù)的特征和關(guān)系。

使用透視表時(shí)，我們可以根據(jù)具體的需求選擇合適的聚合函數(shù)、行列索引和篩選條件，以獲取我們想要的分析結(jié)果。透視表不僅適用于單個(gè)DataFrame，還可以用于多個(gè)DataFrame的合并和分析。

4.3 時(shí)間序列分析

在處理時(shí)間序列數(shù)據(jù)方面，Pandas提供了靈活且高效的功能。它的日期和時(shí)間處理功能包括日期范圍生成、日期索引、日期加減運(yùn)算、日期格式化等。你可以輕松地創(chuàng)建日期范圍，并使用這些日期作為數(shù)據(jù)的索引，便于對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行操作和分析。

Pandas還支持重采樣操作，可以將時(shí)間序列數(shù)據(jù)從一個(gè)頻率轉(zhuǎn)換為另一個(gè)頻率。例如，你可以將按天采樣的數(shù)據(jù)轉(zhuǎn)換為按月采樣的數(shù)據(jù)，或者將按小時(shí)采樣的數(shù)據(jù)轉(zhuǎn)換為按分鐘采樣的數(shù)據(jù)。重采樣功能允許你根據(jù)需要靈活地調(diào)整數(shù)據(jù)的粒度和頻率。

 import pandas as pd
# 創(chuàng)建一個(gè)包含時(shí)間序列數(shù)據(jù)的DataFrame
 data = pd.DataFrame({'Date': pd.date_range(start='2020-01-01', periods=10),
                      'Sales': [100, 200, 150, 250, 180, 120, 300, 350, 400, 250]})
# 將日期列設(shè)置為索引
 data.set_index('Date', inplace=True)
# 計(jì)算每周銷售總額
 weekly_sales = data.resample('W').sum()
# 打印每周銷售總額
 print(weekly_sales)

輸出結(jié)果如下：

            Sales
Date
2020-01-05    880
2020-01-12   1420

此外，Pandas提供了滑動(dòng)窗口操作，可以在時(shí)間序列數(shù)據(jù)上執(zhí)行滑動(dòng)窗口統(tǒng)計(jì)計(jì)算。你可以定義窗口的大小和滑動(dòng)的步長(zhǎng)，并針對(duì)窗口內(nèi)的數(shù)據(jù)進(jìn)行匯總、聚合或其他計(jì)算操作。這對(duì)于處理時(shí)間序列數(shù)據(jù)中的移動(dòng)平均值、滾動(dòng)求和等任務(wù)非常有用。

5. Pandas處理Excel文件

當(dāng)使用Pandas處理Excel文件時(shí)，你可以使用read_excel()函數(shù)來讀取Excel數(shù)據(jù)，并將其加載到一個(gè)DataFrame中。下面是一個(gè)簡(jiǎn)單的示例：

import pandas as pd
# 讀取Excel文件
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')
# 顯示DataFrame的前幾行數(shù)據(jù)
print(df.head())

在這個(gè)例子中，我們假設(shè)存在一個(gè)名為"data.xlsx"的Excel文件，其中包含一個(gè)名為"Sheet1"的工作表。通過調(diào)用read_excel()函數(shù)，我們將這個(gè)Excel文件讀取并加載到名為df的DataFrame中。然后，我們使用head()方法顯示DataFrame的前幾行數(shù)據(jù)。

接下來，我們可以對(duì)讀取的數(shù)據(jù)進(jìn)行各種操作和處理。下面是一些常見的操作示例：

# 篩選特定列數(shù)據(jù)
selected_columns = ['Name', 'Age']
filtered_data = df[selected_columns]
# 按條件篩選數(shù)據(jù)
condition = df['Age'] > 25
filtered_data = df[condition]
# 數(shù)據(jù)排序
sorted_data = df.sort_values(by='Age', ascending=False)
# 添加新列
df['Gender'] = ['Male', 'Female', 'Male', 'Female', 'Male']
# 寫入到新的Excel文件
df.to_excel('new_data.xlsx', index=False)

在上述示例中，我們展示了一些常見的操作。例如，我們篩選了特定列的數(shù)據(jù)、根據(jù)條件篩選數(shù)據(jù)、對(duì)數(shù)據(jù)進(jìn)行排序，并在DataFrame中添加了新的列。最后，我們使用to_excel()方法將處理后的數(shù)據(jù)寫入到一個(gè)名為"new_data.xlsx"的新Excel文件中。

這只是Pandas處理Excel文件的一小部分功能示例。Pandas提供了更多強(qiáng)大且靈活的功能，可以幫助你根據(jù)具體需求對(duì)Excel數(shù)據(jù)進(jìn)行處理、清洗和分析。

6. 總結(jié)

本文這些示例只是Pandas應(yīng)用的一小部分，只是為了使我們?cè)趯W(xué)習(xí)中對(duì)Pandas有初步的了解。Pandas還提供了許多其他強(qiáng)大的功能，使數(shù)據(jù)分析和處理更加便捷。下面是一些擴(kuò)展的Pandas功能：

• 合并數(shù)據(jù)：Pandas提供了多種方法來合并不同的數(shù)據(jù)集，例如使用merge()函數(shù)按照指定的列將多個(gè)DataFrame進(jìn)行合并，使用concat()函數(shù)沿著指定軸將多個(gè)DataFrame堆疊在一起，以及使用join()函數(shù)根據(jù)索引或列的值進(jìn)行連接。

• 拆分?jǐn)?shù)據(jù)：你可以使用split()函數(shù)將包含多個(gè)值的單個(gè)列拆分成多個(gè)列，從而使數(shù)據(jù)更加規(guī)整和易于處理。

• 過濾數(shù)據(jù)：Pandas提供了各種方法來篩選和過濾數(shù)據(jù)，如使用布爾條件進(jìn)行行過濾，使用filter()函數(shù)根據(jù)列名進(jìn)行列過濾，以及使用query()函數(shù)根據(jù)指定條件查詢數(shù)據(jù)。

• 處理缺失值：在現(xiàn)實(shí)數(shù)據(jù)中，經(jīng)常會(huì)出現(xiàn)缺失值問題。Pandas提供了靈活的方法來處理缺失值，如使用isnull()和notnull()函數(shù)檢測(cè)缺失值，使用dropna()函數(shù)刪除包含缺失值的行或列，以及使用fillna()函數(shù)填充缺失值。

• 處理字符串：如果你需要對(duì)文本數(shù)據(jù)進(jìn)行處理，Pandas提供了一系列處理字符串的方法，如使用str.contains()函數(shù)檢測(cè)包含特定子串的值，使用str.replace()函數(shù)替換字符串，以及使用str.extract()函數(shù)提取符合指定模式的字符串。

除了上述功能，Pandas還支持?jǐn)?shù)據(jù)透視表、時(shí)間序列分析、數(shù)據(jù)可視化等高級(jí)功能。

以上就是Python基礎(chǔ)教程之Pandas數(shù)據(jù)分析庫詳解的詳細(xì)內(nèi)容，更多關(guān)于Python Pandas數(shù)據(jù)分析庫的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論