1. 引言
Pandas是一个开源的Python数据分析库。Pandas把结构化数据分为了三类:
- Series,1维序列,可视作为没有column名的、只有一个column的DataFrame;
- DataFrame,同Spark SQL中的DataFrame一样,其概念来自于R语言,为多column并schema化的2维结构化数据,可视作为Series的容器(container);
- Panel,为3维的结构化数据,可视作为DataFrame的容器;
DataFrame较为常见,因此本文主要讨论内容将为DataFrame。DataFrame的生成可通过读取纯文本、Json等数据来生成,亦可以通过Python对象来生成:
import pandas as pd
import numpy as np
df = pd.DataFrame({'total_bill': [16.99, 10.34, 23.68, 23.68, 24.59],
'tip': [1.01, 1.66, 3.50, 3.31, 3.61],
'sex': ['