Pandas的基础应用

Pandas 介绍

Pandas 是一个用于数据操作和分析的强大 Python 库，在数据科学和机器学习领域广泛使用。要有效地使用 Pandas，理解一些关键概念非常重要，如坐标轴（axis）、索引（index）、行（row）和列（column）。Pandas 处理数据非常方便，可以快速的导入数据并对数据做相应的处理。

Pandas 中的关键概念

轴（Axis）: Pandas 对象（DataFrame 和 Series）有两个主要的轴。

• 轴 0（Axis 0）：指的是行（也称为“索引”轴）。
• 轴 1（Axis 1）：指的是列。
• 可以沿着特定的轴应用操作，如sum()、mean() 等。

#例如有下面一个 dataframe

import pandas as pd

data = {
    'total': [10, 10]
}


df = pd.DataFrame(data)

df


df.sum(axis=0)  # 每列的总和（默认）
df.sum(axis=1)  # 每行的总和

索引（Index）: 索引是唯一标识 DataFrame 中每一行中每个元素的标签。它作为行标签，提供访问行的方法。
索引可以是一维的，可以是唯一的或非唯一的。DataFrame 还可以有多级索引（MultiIndex）以进行更复杂的数据操作。

df.index  # 访问 DataFrame 的索引
df.set_index('column_name')  # 设置特定列为索引

行（Row）:

• 行表示 DataFrame 中的单个观察值或数据点。
• 可以使用索引标签或数字索引访问行。
• 可以使用 loc[] 或 iloc[]方法对行进行操作。

import pandas as pd

data = {
    'name': ['张三', '李四'],
    'product': ['iPhone', 'Xiaomi'],
    'total': [10, 10]
}


df = pd.DataFrame(data)

df['index'] = ['2024-05-21', '2024-05-22']

# Set the new column as the index
df.set_index('index', inplace=True)


df.loc['2024-05-21'] # 按索引标签访问第一行

df.iloc[0] # 按数字索引访问第一行

列（Column）:

• 列表示 DataFrame 中的单个特征或变量。
• 可以使用列标签访问列。
• 可以选择、添加或删除列。
• 通过lambda 函数创建新列，以应对复杂的业务场景。

import pandas as pd

def combine(a, b):
    return a + b
data = {
    'name': ['张三', '李四'],
    'product': ['iPhone', 'Xiaomi'],
    'amount': [10, 10],
    'price': [100, 101]
}


df = pd.DataFrame(data)

df['index'] = ['2024-05-21', '2024-05-22']

# Set the new column as the index
df.set_index('index', inplace=True)

df['name'] # 访问单个列

df[['name', 'amount']]# 访问多个列

df['total']  = df['amount'] * df['price']  # 创建新列

df.drop('total', axis=1, inplace = True)  # 删除列

df['total'] = df.apply(lambda x: combine(x['name'], x['product']), axis=1) #调用方法

df