关于Pandas的一些简介

简介

Pandas 是一个开源的数据分析和操作库，它是 Python 数据科学生态系统中的核心组件之一。Pandas 提供了高性能、易用的数据结构和数据分析工具，非常适合处理表格数据、时间序列数据以及进行数据分析和清洗。

1. 数据结构：

   • Series：一维数组结构，可以包含任何数据类型。
   • DataFrame：二维表格型数据结构，类似于 Excel 表格，可以包含多种数据类型。

2. 创建数据结构：

   • 可以从列表、字典、NumPy 数组等多种数据源创建 Series 和 DataFrame。

3. 索引和选择：

   • Pandas 提供了灵活的索引和选择机制，可以快速访问和操作数据。

4. 缺失数据处理：

   • Pandas 提供了处理缺失数据的多种方法，例如填充、删除等。

5. 数据清洗：

   • 可以轻松地对数据进行清洗，包括去除重复数据、数据过滤等。

6. 数据合并：

   • 支持多种数据合并操作，如连接（concat）、合并（merge）和连接（join）。

7. 分组和聚合：

   • 可以使用分组（groupby）功能对数据进行分组，并应用聚合函数。

8. 时间序列分析：

   • Pandas 内置了对时间序列数据的支持，可以轻松地进行时间序列分析。

9. 数据导出和导入：

   • 支持多种数据格式的导入和导出，如 CSV、Excel、JSON、SQL 等。

10. 性能：

    • Pandas 在内部使用 NumPy 进行操作，提供了高性能的数据操作能力。

11. 可视化：

    • 虽然 Pandas 本身不是可视化库，但它可以与 Matplotlib、Seaborn 等可视化库无缝集成。

12. 扩展性：

    • Pandas 可以通过 Cython 或 C 语言扩展进行扩展，以提高性能。

 一些操作

import pandas as pd

print(pd.__version__)

# Series( data, index, dtype, name, copy)
# data: 序列数据，可以是列表、字典、ndarray等。
# index: 索引标签。可以是索引对象，也可以是索引列表。如果未指定，将使用默认的整数索引。
# dtype: 数据类型。可以指定数据的类型，如 int, float, str 等。
# name: 序列的名称。可以是任何哈希对象。
# copy: 是否复制数据。如果设置为 False，则数据不会被复制，这可以节省内存和时间。默认为 True。
list = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
series = pd.Series(list, name="aaa")
print(series)

# DataFrame( data, index, columns, dtype, copy)
# data: 序列数据，可以是：列表的列表、列表的元组、字典的列表、字典的字典、Series 对象的字典。ndarray（如果提供，列名需要指定）。
# index: 行标签列表/数组。可以是索引对象，也可以是索引标签列表。
# columns: 列标签列表/数组。可以是索引对象，也可以是列名列表。
# dtype: 指定数据类型。可以是单个数据类型（所有列都是这种类型），也可以是字典，指定每列的数据类型。
# copy: 是否复制数据。如果设置为 False，则数据不会被复制，这可以节省内存和时间。默认为 True。
data1 = {
    'a': [1, 2, 3],
    'b': [4, 5, 6],
    'c': [7, 8, 9],
}
data2 = pd.DataFrame(data1)
print(data2)

# Pandas CSV操作
# pd.read_csv(path)读取csv文件数据
# pd.to_csv()将DataFrame 存储为 csv 文件
data2.to_csv('data.csv')