pandas教程

• Pandas教程
  功能：用于数据分析
  应用：一维数据（Series）【数组类型】、二维数据（DataFrame）【表格类型】
• Pandas安装
  在命令行窗口输入：

pip install pandas

使用：

导入包使用
import pandas
查看版本
>>> pandas.__version__
'1.3.4'
导入pandas一般使用别名pd来代替
import pandas as pd

一个实例：

>>> import pandas as pd
>>> mydataset={'sites' : ["Google", "Runoob", "Wiki"], 'number': [1,2,3]}
>>> myvar = pd.DataFrame(mydataset)
>>> print(myvar)

输出结果：

>>> print(myvar)
    sites  number
0  Google       1
1  Runoob       2
2    Wiki       3

• Pandas数据结构----- Series
  特点：类似表格中的一个列，由索引和列组成
  实例：如果没有指定索引，那么就是从0开始，我们可以根据索引值读取数据
  
  指定了索引值
  
  根据索引值读取数据：
  
  使用key/value对象，来创建Series：

>>> import pandas as pd
>>> sites={1:"Google",2:"Runoob",3:"Wiki"}
>>> myvar=pd.Series(sites)
>>> print(myvar)
1    Google
2    Runoob
3      Wiki
dtype: object

字典的key变成了这里的索引值
如果只需要字典中的一部分数据，只需要指定需要数据的索引即可：

设置Series名称参数：

• Pandas数据结构 DataFrame

这是一种表格型的数据结构，既有行索引，也有列索引；是一个二维的数组结构，类似二维数组
实例一：使用列表创建

>>> import pandas as pd
>>> data=[['Google',10],['Runoob',12],['Wiki',13]]
>>> df = pd.DataFrame(data,columns=['Site','Age'],dtype=float)
>>> print(df)
     Site   Age
0  Google  10.0
1  Runoob  12.0
2    Wiki  13.0
>>>

实例二：使用ndarrays创建

>>> data1={'Sites':['Google','Runoob','Wiki'],'Age':[10,12,13]}
>>> df = pd.DataFrame(data)
>>> print(df)
        0   1
0  Google  10
1  Runoob  12
2    Wiki  13
>>>

实例3：使用字典创建，没有数据对应部分为NaN

>>> data3=[{'a':1,'b':2},{'a':5,'b':10,'c':20}]
>>>> df1=pd.DataFrame(data3)
>>>> print(df1)
   a   b     c
0  1   2   NaN
1  5  10  20.0

• Pandas CSV
• Pandas JSON
• Pandas数据清洗