Python 商业数据分析之可视化绘图 1.5 ：Pandas介绍与基础操作（一）

Pandas官网 Python Data Analysis Library

十分钟pandas入门教学 10 minutes to pandas

Pandas练习题 GitHub - ajcr/100-pandas-puzzles: 100 data puzzles for pandas, ranging from short and simple to super tricky (60% complete)

Pandas是一个好用的数据分析处理工具; 它的使用基础是Numpy（提供高性能的矩阵运算），常用于数据挖掘和数据分析，同时也提供数据清洗功能。

虽然pandas采用了大量的NumPy编码⻛格，但二者最大的不同是pandas是专⻔为处理表格和混杂资料设计的。 而NumPy更适合处理统一的数值阵列资料。

可以把Pandas套件想像成是Excel一样结构，能够对储存的数据进行运算、搜寻或修改等操作，主要有两种数据结构，分别是单维度的Series及二维度的DataFrame。

工具一：Series

它是一种类似于一维数组的对象，是由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签（即索引）组成。 仅由一组数据也可产生简单的Series。

工具二：DataFrame

DataFrame是Pandas中的一个表格的数据结构，包含有一组有序的行或称绫轴（column），内容可以是不同的类型，例如数值、字符串、布尔型态等等; DataFrame也有列或称横轴（row）是用来当作数据索引。 DataFrame常用于读取CSV档案、Excel档案或数据库等，并且对其中的数据分析或处理。

接下来来说明pandas操作。

一、创造Pandas物件（Object Creation）

首先导入pandas与numpy库

创建一个pandas的对象，并将这个物件命名为s，观察对象s的内容，可以看到可以包含nan，格式dtype为float64。

也可以创建日期的时间序列，格式为 datetime64[ns] 是一种时间的格式， 频率freq为日。

将上面cell中的dates当做时间指标（date time index），并且用ABCD当做行column的标签（label column）。 使用np.arange.reshape抽取数值。 可以看到横轴标签为时间，纵轴标签为ABCD。

也可以使用字典格式将数据转换为序列，字典格式dict为二个大括号{ }。

二、查看数据（Viewing Data）

使用dtypes查看数据格式。

回到df资料，使用head检视前五笔资料。

也可以使用tail查询尾端资料，tail（3）代表只呈现三笔尾部资料。

index函数查看横轴指标。

colums函式查看纵轴指标，注意colum要加s。

values函式查看数据内容，注意value一样要加s。

describe函式查看统计总结，这个函式会很有用，要特别留意。

T函数则是将数据转置（Transpose），这里T要用大写。

使用sort排序资料，axis=1则是针对 columns排序，ascending选择是否递增，执行后column A 则会移到最后方。

也可以针对数值进行排序，依照column B值的大小重新排序。

三、选择（Selection）

选择要呈现column的数据，使用中括号[]来选择数据，例如这里要呈现column A的数据。

使用中括号范围区间来选择数据。

使用日期区间来选择数据。

四、使用标签来选择数据（Selection by Label）

使用loc指令筛选资料，日期数值为0代表选取2020–01–01的数据。

loc指令加上要显示columns的名称，冒号（:)代表选择全部资料。

loc指令加上rows与columns的名称。

五、依位置筛选（Selection by Position）

首先查看df原始资料。

使用iloc筛选数据，初始位置为0，因此iloc[3]会筛选出日期2020-01-04的数据。

使用整数来设定横轴与纵轴的筛选范围。

使用整数直接设定要筛选的位置。

横轴范围使用1到3，纵轴使用冒号（:)代表选取纵轴所有数据。

纵轴范围使用1到3，横轴使用冒号（:)代表选取横轴所有数据。

也可以只选取得一位置数值。

使用iat选取得一位置数值。

Pandas第一部分就讲到这里。