AI课堂Pandas学习总结

一、Pandas简介

        Pandas是一个强大的Python数据分析库，它提供了快速、灵活和易于理解的数据结构，旨在使“数据清洗”和“数据分析”工作变得更加轻松。它是基于NumPy（一个用于数值计算的Python库）构建的，并支持大量不同的数据输入/输出格式。
 

二、Pandas的数据结构

        Series：一维数组，与NumPy的ndarray类似，但包含了标签，即索引（index）。

        DataFrame：二维表格型数据结构，包含了行标签（index）和列标签（columns）。

        Panel：三维数组，可以理解为多个DataFrame的组合。

三、Pandas的基本操作
        

        导入Pandas：import pandas as pd

        创建 Series：s = pd.Series(data, index=index)

        创建 DataFrame：df = pd.DataFrame(data, index=index, columns=columns)

        访问数据：df.head() # 显示前几行数据，df.tail() # 显示后几行数据，df.shape # 显示数据形   状，df.dtypes # 显示每列的数据类型，df.describe() # 显示数据的统计描述

        数据筛选：df[column_name] # 筛选某一列，df[df['column_name'] > value] # 筛选满足           的行

        数据修改：df['new_column'] = data # 增加新列，df['column'] = df['column'].fillna(value) # 填充缺失值

        数据排序：df.sort_values('column', ascending=True) # 按某一列排序

        数据分组：grouped = df.groupby('column') # 按某一列进行分组，grouped.mean() # 计算每组数据的平均值

四、Pandas的数据输入/输出     

        CSV：read_csv(), to_csv()

        Excel：read_excel(), to_excel()

        SQL：read_sql(), to_sql()

        JSON：read_json(), to_json()

五、总结

        Pandas是一个功能强大的数据处理工具，掌握其基本用法对于数据进行清洗和分析是非常重要的。本文只是简单介绍了Pandas的一些基础操作，实际上，Pandas的功能远不止这些，还有更多高级的使用方法等待我们去探索和学习。