像学Excel 一样学 Pandas系列-导入篇

可以这么说吧，离了 Pandas，我基本就没法做数据分析了。

Pandas不是熊猫，是Python 数据分析的主力库。它为Python扩展了非常非常易于使用的数据结构和工具。

无论是结构化的表格数据、时间序列和更加复杂的数据结构，Pandas 都能轻松 hold 住。

为何 Pandas 表现如此优秀，先卖个关子。

回忆一下，一个初级的入门分析师，使用 excel 做数据处理，需要哪些步骤？

（先略过需求分析、分析思路组织和分析框架搭建部分。这又是一个单独的课题。以后再详细聊。）

我把具体步骤列在下面了。 

上面提及到的所有处理任务，Pandas 都能完美完成。因为这个涉及到完整的数据处理过程，完完整整讲清楚明白，差不多需要一本书的篇幅。

所以，这次 Pandas 的系列文章，我打算分具体的步骤，把每一篇讲清楚、讲透来。

这篇主要做深入学习之前的准备工作和基础概念导入。

小伙伴们，准备好了么？咱们开车。 

01

准备工作 

搭建 Python 运行环境，安装 Pandas 。

推荐安装Anaconda，配置Jupyter Notebook环境。具体的软件包下载安装和 Jupyter Notebook 指引参照这篇文章。

Python小白的安装指南Anaconda+Jupyter Notebook

Ancaconda 已经提前集成了 Pandas 库和相关的依赖包。完成以后，只需要一步，就可以完成 Pandas 库导入和使用。

import pandas as pd

02

Pandas 基础知识-数据结构 

Pandas库提供了两种基础的数据格式：DataFrame和Series，它们是进行数据分析时最常用的数据结构。

干讲比较抽象。接下来，我会把图示和代码放在一起看，方便理解。 

1 、先说Series 

Series是一个一维数组结构，可以包含任何数据类型（整数、字符串、浮点数、Python对象等）。

每个元素都有一个索引标签，这使得Series对象非常适合处理具有明确标签的数据。

划重点，Series 是一个一维数组结构。

Series 的元素可以包含任何数据类型（整数、字符串、浮点数、Python 对象等），并且每个元素都有一个索引标签。

下面做了一个图示（一个学生的各科成绩），方便理解。左边是 index，右边的是 data 。

所以，如果需要找各学科的成绩，就非常方便和简单。只要告诉 index值，就可以快速查找。 

创建代码如下：

s = pd.Series([85, 92, 88, 78, 90], index=['Chinese', 'Math', 'English', 'Geography', 'Chemistry'])print(s)

2 、 再看看 DataFrame

DataFrame是一个二维表格型数据结构，类似于Excel中的表格或者SQL数据库中的表。

它是Pandas中使用最频繁的数据结构，可以将其想象为一个Series的字典（每个键是一个列名，每个值是一个Series对象）。

特点如下：

• 可以包含多种数据类型。

• 每个轴都有标签（行标签称为索引，列标签称为列名）。

• 可以进行复杂的数据操作，包括数据筛选、排序、分组、合并等。

同样的，我们用最常见的 excel 数据表来作类比。这张亲切的表，唯一需要特别注意的是 index 。 

创建代码如下，小伙伴可以拷贝后黏贴到 JupyterNotebook 运行。

data = {'学科名称': ['语文', '数学', '英语', '地理', '化学'],'平均分': [78, 85, 82, 79, 86],'参与考试人数': [120, 130, 125, 110, 100],'考试时间': ['2024-06-01', '2024-06-02', '2024-06-03', '2024-06-04', '2024-06-05']}df = pd.DataFrame(data)print(df)

03

Series 和 DataFrame 的基础操作

• 打印DataFrame，直接打印DataFrame对象会显示其内容，包括列名和若干行数据（默认显示前5行）。 

head() 方法，使用head()方法可以查看DataFrame的前几行，默认是前5行。 

tail() 方法，使用tail()方法可以查看DataFrame的最后几行，默认是最后5行。 

info() 方法，使用info()方法可以查看DataFrame的概要信息，包括列的数据类型、非空值的数量等。 

describe() 方法，使用describe()方法可以查看数值列的统计摘要，包括计数、平均值、标准差、最小值、四分位数和最大值。 

shape 属性，查看DataFrame的形状，即行数和列数。 

columns 属性，查看DataFrame的列名。 

dtypes 属性，查看DataFrame中各列的数据类型。 

好的，简单小结一下，今天给大家介绍了 Pandas 用于数据分析的优势以及基础的 Pandas 数据结构。后续，会有其他的专栏文章，对 Pandas的数据清洗、转换、分组、聚合等复杂操作进行专项讲解。

感兴趣的小伙伴，欢迎关注、点赞、评论转发。您的每一份互动，都是我肝下去的动力。