BD第5课：数据分析Pandas

由于本系列文章需要使用 Pandas 对胸罩销售数据进行分析，所以本文会介绍一下 Pandas，并给出一些案例如何通过 Pandas 分析数据，否则如果不了解 Pandas，可能无法理解后面文章的内容。

可能很多人一看到 Pandas，就会联想到中国的国宝大熊猫，其实 Pandas 在 Python 数据分析领域的确是一套国宝级的工具。Pandas 是基于 NumPy 的一套数据分析工具，该工具是为了解决数据分析任务而创建的，Pandas 纳入了大量标准的数据模型，提供了高效地操作大型数据集所需的工具，Pandas 提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使 Python 成为强大而高效的数据分析环境的重要因素之一。

Pandas 开发环境搭建

Pandas 是第三方程序库，所以在使用 Pandas 之前必须安装 Pandas。如果读者使用的是 Anaconda Python 开发环境，那么 Pandas 已经集成到 Anaconda 环境中了，不需要再安装；如果读者使用的是官方的 Python 开发环境，可以使用如下的命令安装 Pandas。

        pip install pandas
      

如果要了解 Pandas 更详细的情况，请访问官方网站。

安装完 Pandas 后，可以测试一下 Pandas 是否安装成功，读者可以进入 Python 的 REPL 环境，然后使用下面的语句导入 Pandas 模块，如果不出错，就说明 Pandas 已经安装成功了。

        import pandas
      

本文使用的样本数据集

本文会使用一个样本数据集为例来讲解如何用 Pandas 来分析数据，不过首先要先解释一下这个数据集中的数据，数据集的文件名是 gapminder.tsv，图1是数据集的部分数据和字段名。

图1 样本数据集的部分数据

这个样本数据集有近 2000 条数据，是 1952 到 2007 年世界各国经济发展的数据，每5年记录一次。每列直接用制表符分隔，这个数据集涉及到一些字段，现在来解释一下。

• Country：国家
• Continent：洲
• Year：年份
• LifeExp：预期寿命
• POP：人口
• GdpPercap：分均 GDP

如果用文本方式打开 gapminder.tsv 文件看着不舒服，也可以使用 Excel 打开这个文件，打开后的结果如图2所示。