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。
![v2-0a6d1a33797a08f81f67d415a6b94e8f_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/a8730997a814183a78a9ea466fa2a974.jpeg)
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。
![v2-3693ab2b55e463d4d38e6e7fa1c04aa5_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/e15fd99a1fa3ab936ea2b65de6375cbf.jpeg)